✅ اصول نوشتن مقاله پژوهشی
 نحوه بیان و ارائه کار پرژوهشی تاثیر به سزایی در دید داور و در نتیجه آن پذیرش مقاله دارد. ما برای اینکه بتوانیم کار خود را به خوبی ارائه دهیم نیاز داریم با اصول نوشتن یک مقاله پژوهشی آشنا باشیم.

💡در جلسه لایو اینستاگرام این موضوع رو بررسی کردیم.
⭕️جزئیات بیشتر 👇👇
https://onlinebme.com/how-to-write-a-research-article/

🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

در این جلسه به سوالات زیر پاسخ داده ایم:
 
🔺برای شروع نوشتن مقاله، از کدام بخش مقاله شروع کنیم؟
🔺کدام بخش در اکسپت مقاله خیلی تاثیر گذار هست؟
🔺عنوان خوب چه ویژگی هایی باید داشته باشه؟
🔺چکیده چه ویژگی هایی باید داشته باشه؟
🔺روال نوشتن مقدمه به چه صورت باشد بهتره؟ برحسب تاریخ؟ یا برحسب مرتبط بودن مقالات؟
🔺فرق بین discussion و conclusion چیه؟
🔺افعال در مقاله به چه صورت باشه؟ گذشته ساده، حال ساده، یا... ؟
🔺آیا نوشتن افعال در بخشهای مختلف مقاله متفاوت هست؟
🔺ژورنال خوب چه ژورنالی هست؟ فرق بین q1 و q2 چیه؟
🔺از کجا بفهمیم یک ژورنال فیک(نامعتبر) هست؟
🔺چجوری پلاجیاریزم (plagiarism) و similarity رو چک کنیم؟
🔺از gramerly چه استفاده هایی میتونیم بکنیم؟ 
 🔺چطور ژورنال مناسب برای منیوسکریپتمون پیدا کنیم؟
🔺آیا سابمیت منیوسکریپت در ژورنال هزینه داره؟
🔺اگر منیوسکریپت ریجکت بشه، میتونیم بازم برای همون ژورنال بفرستیم؟
🔺چطور میتونیم شانس پذیرش مقاله رو افزایش بدیم؟
🔺ترتیب اسم نویسنده ها چه اهمیتی داره؟

@onlinebme

✅شبکه عصبی کانولوشنی LeNet

✍ شبکه عصبی کانولوشنی LeNet یکی از اولین شبکه های عصبی کانولوشنی است که با مفهوم یادگیری عمیق توسط yann lecun معرفی شد. این شبکه ساختاری پنج لایه دارد به نام lenet-5 معروف است و اولین بار برای تشخیص ارقام دست نویس mnist استفاده شد.
⭕️جزئیات بیشتر👇
https://onlinebme.com/lenet-convolutional-neural-network/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅انتخاب ویژگی در شناسایی الگو
✍در شناسایی الگو و یادگیری ماشین، انتخاب ویژگی به فرایندی گفته می شود که در آن بهترین ویژگی ها از بین ویژگیهای استخراج شده انتخاب می شوند. با انتخاب ویژگی تعداد ویژگی ها به طور هدفمند کاهش پیدا میکنند تا علاوه بر کاهش هزینه، عملکرد مدل را افزایش دهند. روشهای انتخاب ویژگی به طور کلی به دو دسته اسکالر (filter methods) و برداری(wrapper methods) دسته بندی می شوند. در این مقاله به طور خلاصه دو رویکرد انتخاب ویژگی را بررسی می کنیم.

⭕جزئیات بیشتر👇👇
https://onlinebme.com/feature-selection/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅نحوه خواندن دیتاست به فرمت .CSV در گوگل کولب

✍بعضی از دیتاست‌هایی که در پایتون با آنها سروکار داریم به فرمت .CSV هستند. فرمت CSV که مخفف Comma Separated Values است یک فرمت فایل ساده است که برای ذخیره سازی داده‌های جدولی به کار می‌رود. در این پست نحوه‌ی لود کردن، خواندن و نمایش دیتاست‌های با فرمت .CSV در محیط Google Colab توضیح میدهیم.

⭕جزئیات بیشتر👇
https://onlinebme.com/how-to-read-cvs-data-from-google-colab/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅راهی ساده برای اضافه کردن دیتاست‌های حجیم به گوگل درایو

✍گاهی اوقات حجم دیتاستی که قرار است در گوگل کولب با آن کار کنیم، بسیار بزرگ است و می‌خواهیم ابتدا آن را در گوگل درایو آپلود کنیم سپس در گوگل کولب با آن کار کنیم. در این پست روشی ساده را بیان می‌کنیم که با استفاده از آن می‌توان هر دیتاست حجیمی به خصوص در حوزه‌ی تصویر را به راحتی در گوگل درایو آپلود کرد.
⭕️ جزئیات بیشتر 👇
https://onlinebme.com/how-to-upload-large-dataset-to-google-drive/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅پارامترهای ماشین بردار پشتیبان

✍ماشین بردار پشتیبان(SVM) یکی از معروفترین الگوریتمها در مسائل طبقه بندی هست که به خاطر کارایی مناسب در ابعاد بالا و همچین داشتن مسئله بهینه سازی محدب، مورد استقبال خیلی از محققین قرار گرفته است. SVM یک سری پارامتر دارد که باید توسط کاربر مشخص شوند و اگر مقادیر مناسبی برای این پارامترها در نظر نگیریم مطمئنا عملکرد مناسبی نخواهد داشت. در این پست نقش این پارارمترها را توضیح میدهیم تا با دید بهتری بتوانید از SVM در پروژه های خود استفاده کنید.

⭕جزئیات بیشتر👇👇
https://onlinebme.com/hyperparameters-of-the-support-vector-machine/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅چطور دیتاست‌های Kaggle را مستقیماً در Google Colab لود کنیم؟

✍اگر در حوزه‌های یادگیری ماشین و علوم داده کار می‌کنید، حتماً نام Kaggle را شنیده‌اید. Kaggle وب سایتی است که به کاربران این امکان را می‌دهد تا به دیتاست‌های موردنیاز خود در هر حوزه‌ی کاری و تحقیقاتی دست پیدا کنند و حتی دیتاست‌های خود را منتشر کنند. می‌توانید تقریباً برای هر کاربردی از Kaggle، دیتاست پیدا کنید از صنعت سرگرمی، حوزه‌ی پزشکی، تجارت الکترونیکی تا حتی ستاره شناسی. در این پست، نحوه‌ی لود کردن مستقیم دیتاست‌های Kaggle در Google Colab را توضیح می‌دهیم.

⭕جزئیات بیشتر👇
https://onlinebme.com/how-to-load-dataset-from-kaggle-to-colab/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅ 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/course/neural-networks-in-matlab/

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

➖➖➖➖➖➖➖➖➖➖➖
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 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/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

🌐ایمپلنت مغزی افکار فرد فلج را با دقت 95 درصد ترجمه می کند!

✍مردی که در سال 2007، از گردن به پایین به دلیل آسیب نخاعی فلج شده بود، به لطف کاشت مغزی(brain implant )، که نوشتار ذهنی او را به متن واقعی تبدیل می‌کند، نشان داد که می‌تواند افکار خود را به اشتراک بگذارد. این دستگاه که بخشی از یک همکاری تحقیقاتی به نام BrainGate است، یک واسط مغز و کامپیوتری (BCI) است که از هوش مصنوعی (AI)، برای تفسیر سیگنال‌های تولید شده حاصل از فعالیت عصبی استفاده می‌کند.
⭕️ جزئیات بیشتر 👇👇

https://onlinebme.com/brain-implant-translates-paralyzed-mans-thoughts-into-text/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅تکنیک آدابوست(adaptive boosting)

✍آدابوست یکی از تکنیکهای یادگیری جمعی هست که در آن چندین مدل ضعیف(weak leaner) به صورت سازگار باهم ترکیب می شوند تا یک مسئله پیچیده را حل کنند. از تکنیک آدابوست برای کاهش بایاس مدل استفاده می‌کنند. در این پست میخواهیم رویکرد آدابوست را توضیح داده  و سپس بررسی کنیم که کجاها میتونیم از آدابوست استفاده کنیم و کجا ها نمیتونیم از آدابوست کنیم.

⭕جزئیات بیشتر👇👇
https://onlinebme.com/adaboost-adaptive-boosting
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅پتانسیل وابسته به رخداد P300

✍پتانسیل P300 یک انحراف مثبت (Positive deflection) در سیگنال مغزی فرد هست که حدودا 300 میلی ثانیه بعد از نمایش محرک هدف ایجاد می شود. در این پست میخواهیم بدانیم P300 چیه و در چه شرایطی ایجاد می شود؟

⭕جزئیات بیشتر👇👇
https://onlinebme.com/what-is-p300/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

🌐لمس اشیاء مجازی، توسط دستکش لمسی متا(فیسبوک)

🔷 اکنون شاید شما نتوانید یک سگ را توسط دستکش های واقعیت مجازی متا نوازش کنید، اما محققان در حال نزدیک شدن به این موضوع هستند.
متا (فیسبوک سابق) به دلیل حرکت های برجسته خود به سمت واقعیت مجازی، شهرت یافته است. با این حال، هفت سال است که بی سر و صدا روی یکی از جاه طلبانه ترین پروژه های خود کار می کند.  دستکش لمسی که احساساتی مانند گرفتن یک شی یا حرکت دست شما را در امتداد یک سطح بازتولید می کند.

در حالی که متا اجازه نمی دهد دستکش را از بخش تحقیقاتی Reality Labs خارج کند، این شرکت اخیرا برای اولین بار آن را به نمایش گذاشت و دستگاه را – در کنار سایر فناوری های پوشیدنی – به عنوان آینده تعامل واقعیت مجازی و واقعیت افزوده می بیند.

⭕️جزئیات بیشتر 👇
https://onlinebme.com/meta-facebook-reality-labs-soft-robotics-haptic-glove-prototype/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅چهار تا از معروفترین شبکه های عمیق

✍در این مقاله به بررسی چهار مدل از الگوریتم‌های عمیقی می‌پردازیم که عملکرد قابل توجهی در حل مسائل پیچیده داشته‌اند. ابتدا هر نوع از این شبکه‌های عمیق را معرفی می‌کنیم، ساختار آنها را به طور مختصر شرح می‌دهیم و در نهایت مورد کاربرد آنها را برای حل مسائل متنوع بررسی می‌کنیم.

⭕جزئیات بیشتر👇👇
https://onlinebme.com/4-most-popular-deep-neural-networks/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅تکنیک bagging در یادگیری جمعی

✍ تکنیک bagging که با نام bootstrap aggregating هم شناخته می شود، یک تکنیک یادگیری جمعی هست که برای حداقل کردن واریانس مدل استفاده می شود. در تکنیک bagging برای آموزش هر مدل، یک بخشی از داده به صورت تصادفی انتخاب می شود(bootstrap)، و در پروسه تصمیم گیری، نظر مدلها باهم ترکیب می شود(aggregating ). در این پست میخواهیم تکنیک bagging را بررسی کنیم و ببینیم که در چه پروژه هایی میتونیم از این تکنیک بهره ببریم.
⭕جزئیات بیشتر👇
https://onlinebme.com/bagging-in-ensemble-learning

🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme