✅ پکیجهای آموزشی onlinebme
⚠️اولین گروه آموزشیِ تخصصی و پروژه محور

⭕️⭕️ اصول برنامه‌نویسی در متلب (رایگان)
مدت دوره: 11 ساعت
🌀 https://onlinebme.com/course/matlab/
➖➖➖➖➖➖➖➖➖➖➖

⭕️⭕️ پیاده سازی گام به گام شبکه های عصبی
مدت دوره: 25 ساعت
🌀 https://onlinebme.com/product/neural-networks-package/

⭕️⭕️ دوره جامع و پروژه محور شبکه عصبی کانولوشنی (CNN)
مدت زمان دوره: 11 ساعت
🌀https://onlinebme.com/product/convolutional-neural-network/

⭕️⭕️ دوره جامع و پروژه محور شبکه عصبی بازگشتی (RNN)
مدت زمان دوره: 13 ساعت
🌀https://onlinebme.com/product/recurrent-neural-network/

⭕️⭕️دوره جامع و پروژه محور کاربرد شبکه های عمیق در بینایی ماشین
مدت دوره: 16 ساعت
🌀https://onlinebme.com/product/deep-learning-in-machine-vision/

➖➖➖➖➖➖➖➖➖➖➖
دوره های تخصصی و پروژه محور پردازش سیگنال EEG

⭕️⭕️ دوره جامع پردازش سیگنال مغزی(EEG)
مدت دوره: 50 ساعت
🌀 https://onlinebme.com/product/eeg-signal-processing/

⭕️⭕️ واسط مغز و کامپیوتر مبتنی بر P300
مدت دوره: 28 ساعت
🌀https://onlinebme.com/product/p300-based-brain-computer-interface-speller/

⭕️⭕️ واسط مغز و کامپیوتر مبتنی بر SSVEP
مدت دوره: 33 ساعت
🌀https://onlinebme.com/product/bci_ssvep/

⭕️⭕️ پردازش سیگنال مغزی(EEG) مبتنی بر تسک تصور حرکتی (BCI)
مدت دوره: 21 ساعت
🌀 https://onlinebme.com/product/brain-computer-interface-package-motorimagery/

⭕️⭕️ پیاده سازی مقاله CSSP (واسط مغز-کامپیوتر مبتنی بر تصورحرکتی)
مدت دوره: 7 ساعت و 30 دقیقه
🌀https://onlinebme.com/product/common-spetio-spectral-patterns

⭕️⭕️ پیاده سازی مقاله RCSP (واسط مغز-کامپیوتر مبتنی بر تصورحرکتی)
مدت دوره: 5 ساعت
🌀 https://onlinebme.com/product/regularized-common-spatial-patterns


⭕️⭕️دوره تبدیل فوریه زمان کوتاه در پردازش سیگنال مغزی(eeg)
مدت دوره: 8 ساعت
🌀https://onlinebme.com/product/short-time-fourier-transform-and-eeg/

➖➖➖➖➖➖➖➖➖➖➖➖➖➖
✅ دوره شناسایی الگو و یادگیری ماشین (اولین دوره جامع و تخصصی در ایران)
⚠️ 140 ساعت ویدیوی آموزشی
🔹آموزش تئوری و مباحث ریاضیاتی طبق مراجع معتبر
🔹پیاده‌سازی مرحله به مرحله الگوریتمها
🔹انجام پروژه های عملی و تخصصی
🔹پیاده سازی گام به گام مقالات تخصصی

🟣▪️پترن و یادگیری ماشین (فصل یک تا 4): از بیزین تا SVM
مدت دوره: 75 ساعت
🌀 https://onlinebme.com/product/season-1-4-packages-pattern-recognition/

🔵▪️پترن و یادگیری ماشین (فصل 5): یادگیری جمعی (Ensemble learning)
مدت دوره: 18 ساعت
🌀 https://onlinebme.com/product/ensemble-learning/

🟢▪️پترن و یادگیری ماشین (فصل 6): کاهش بعد (dimensionality reduction)
مدت دوره: 11 ساعت
🌀 https://onlinebme.com/product/dimension-reduction-using-lda-pca/

🔴▪️پترن و یادگیری ماشین (فصل 7): انتخاب ویژگی (feature selection)
مدت دوره: 16 ساعت
🌀https://onlinebme.com/product/season07-featrue-selection/


🟠▪️پترن و یادگیری ماشین (فصل 8):خوشه بندی ( clustering)
مدت دوره: 13 ساعت
🌀https://onlinebme.com/product/pattern-season08-clustering/

➖➖➖➖➖➖➖➖➖➖➖➖➖
✅ دوره جامع پردازش تصویر

🟠فصل اول: مباحث مقدماتی، آستانه گذاری تصویر، تبدیلات شدت روشنایی و هندسی
مدت دوره: 30 ساعت
🌀https://onlinebme.com/product/image-processing-chapter1

🔵فصل دوم: پردازش هیستوگرام تصویر
مدت دوره : 6 ساعت و 30 دقیقه
🌀https://onlinebme.com/product/image-prcessing-chapter2

🟠فصل سوم: فیلترهای مکانی
مدت دوره : 15 ساعت و 30 دقیقه
🌀https://onlinebme.com/product/spatial-filters-in-image-processing/

🔵فصل چهارم: عملیات مورفورلوژی
مدت دوره : 6 ساعت
🌀https://onlinebme.com/product/morphological-operations-in-image-processing/

➖➖➖➖➖➖➖➖➖➖➖➖➖
✅ اصول برنامه‌نویسی پایتون
مدت دوره: 32 ساعت
🌀https://onlinebme.com/product/python-programming/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

⚠️خطرات هوش مصنوعی از دید Andrew

خطر انقراض؟ درکش نمیکنم! دانشمندان برجسته کامپیوتر میترسند که هوش مصنوعی باعث انقراض بشر بشه. وقتش هست که بیاییم در مورد خطرات هوش مصنوعی به صورت واقع بینانه ای صحبت کنیم.

⭕️ جزئیات بیشتر 👇
https://onlinebme.com/ai-risks-andrew-ng/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

✅چهار مرحله برای یافتن مدل یادگیری عمیق مناسب

✍اگر به دنبال آن هستید که تسک خود را با مدل‌های مبتنی بر یادگیری ماشین پیاده‌سازی کنید، احتمالاً متوجه شده‌اید که مدل‌های یادگیری ماشین و پیاده‌سازی‌های زیادی وجود دارند که ممکن است مناسب با تسک شما نباشند. به خصوص اگر با مدل‌ها آشنایی کافی نداشته باشید، پیدا کردن مدل مناسب برای پروژه‌ می‌تواند کاری طاقت فرسا باشد. در این مقاله، چهار مرحله که باید هنگام انتخاب مدل خود در نظر داشته باشید را بررسی کرده‌ایم.

⭕️جزئیات بیشتر 👇

https://onlinebme.com/four-steps-to-find-best-deep-learning-model/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

✅دوره پایتون
📝 تمرینات فصل دوم: numpy2 


@Onlinebme

✅دانشمند متا، Yann LeCun، می گوید که هوش مصنوعی مشاغل را برای همیشه از بین نمی برد

✍پروفسور Yann LeCun یکی از سه پدرخوانده هوش مصنوعی شناخته می شود، به عنوان  دانشمند ارشد هوش مصنوعی متا کار می‌کند. به نظر LeCun ترس برخی از کارشناسان از اینکه هوش مصنوعی خطری برای بشریت است به طرز عجیبی مضحک هست! کامپیوترها در آینده از انسانها باهوش تر خواهند بود، خب اگر فکر میکنی برای بشریت خطر داره، اونو نسازید!

⭕️ جزئیات بیشتر 👇
https://onlinebme.com/meta-scientist-yann-lecun-says-ai-wont-destroy-jobs-forever/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

✅حاشیه نویسی داده: تعریف، ابزارها و دیتاست‌ها

✍داده، بخش جدایی ناپذیر همه‌ی الگوریتم‌های یادگیری ماشین و یادگیری عمیق است. داده همان چیزی است که الگوریتم‌های پیچیده را به سمت عملکردهای پیشرفته و بهبودیافته سوق می‌دهد. با این حال، اگر قصد دارید مدل‌های هوش مصنوعی واقعاً قابل اعتماد بسازید، باید الگوریتم‌هایی را با داده‌های ساختاربندی شده و برچسب گذاری شده‌ی مناسب ارائه دهید. اینجاست که فرآیند حاشیه‌نویسی یا annotation وارد عمل می‌شود. باید داده‌ها را حاشیه‌نویسی کنید تا سیستم‌های یادگیری ماشین بتوانند از آنها برای نحوه‌ی انجام تسک‌ها استفاده کنند. حاشیه نویسی داده‌ها ساده است اما ممکن است آسان نباشد. ما می‌خواهیم شما را در این فرآیند راهنمایی کنیم و بهترین روش‌ها را به اشتراک بگذاریم که باعث صرفه‌جویی در وقت شما شود.

⭕️جزئیات بیشتر👇

https://onlinebme.com/data-annotation/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

فکر کنم این ویدیو فان تعریف جالبی باشه برای هوش مصنوعی دسته اول (Good old  fashion AI/ Traditional programming) 😅
🔺در این نوع برنامه نویسی قوانین رو تعیین میکنیم و کامپیوتر  دقیقا طبق اون پیش میره

@Onlinebme

سلام
وقت همه دوستان بخیر

قصد دارم بعد از اتمام دوره برنامه‌نویسی پایتون، چندین دوره آنلاین برای یادگیری عمیق برگزار کنم
دوره هایی که فعلا در نظر دارم به ترتیب زیر هستند:

🔷آشنایی با فریم ورک پایتورچ و پیاده‌سازی گام به گام شبکه‌های عصبی مصنوعی
در این دوره با فریم ورک پایتورچ آشنا شده و شبکه های عصبی مصنوعی رو در این محیط گام به گام پیاده‌سازی می‌کنیم

💡 شبکه های عصبی ابتدا به صورت دستی و سپس با کمک ابزار پایتورچ پیاده‌سازی خواهند شد

با این دوره علاوه بر یادگیری شبکه‌های عصبی مصنوعی، با فریم ورک پایتورچ آشنا می‌شویم و  برای کار با شبکه‌های عمیق آماده می‌شویم

🔷 آشنایی با ساختار و ریاضیات شبکه‌های عصبی عمیق و پیاده‌سازی آنها در پایتورچ

🔷 یادگیری عمیق در پردازش سیگنال (دوره مقاله محور)

دوره ها به ترتیب هستند و هرکدام پیش نیاز دوره بعدی خواهند بود

🔺پیش نیاز دوره ها آشنایی با اصول برنامه‌نویسی پایتون و برنامه‌نویسی شیئ گرا هست.

محمد نوری زاده چرلو