✅ 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 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/


✅ 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/


🟠▪️فصل هشتم: 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

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

‌✅ رباتی که  میتواند  Jenga بازی کند!

‌⭕ آلبرتو رودریگز ، استادیار مهندسی مکانیک و اعضای آزمایشگاه MCube MIT توانسته رباتی بسازد که بتواند با کمک یادگیری ماشین نحوه بازی کردن جنگا(Jenga)  را یاد بگیرد.
🔷️ برخلاف الگوریتمهای یادگیری ماشین رایج، این ربات برای تخمین بهترین حرکت بعدی، از داده زیادی استفاده نمی‌کند!
🔶️ این ربات از یک مدل سلسله مراتبی استفاده میکند و همین باعث میشود که به خوبی قطعات را به نرمی جدا کند.
🔷️این فناوری می تواند در ربات‌ها برای اهداف مختلف مورد استفاده قرار گیرد، عمده این موارد در ساخت خطوط مونتاژ خواهد بود!
 
#هوش_مصنوعی #یادگیری_ماشین

@onlinebme

✅ تکنیک یکی در مقابل همه یا تکنیک یکی در مقابل یکی

🔷برخی از طبقه‌بندهای یادگیری ماشین، مثل SVM برای مسائل دو کلاسه طراحی شده‌اند و اگر یکی بخواهد از این الگوریتمها در مسائل چند کلاسه استفاده کند، مجبور است که با کمک تـکنیکهایی طبقه‌بند را برای مسائل چندکلاسه تعمیم دهد. تکنیک یکی در مقابل همه و تکنیک یکی در مقابل یکی از جمله روشهایی هستند که از آنها برای تعمیم طبقه‌بند دوکلاسه برای چند کلاسه استفاده می‌کنند. ولی سوال مهمی که هست اینه که از کدام یکی از این تکنیکها استفاده کنیم بهتر هست؟

🔷در این بخش میخواهیم مزایا و معایب این دو تکنیک را با یک مثال ساده توضیح دهیم تا متوجه شوید از کدام یکی استفاده کنید بهتر است

⭕️جزئیات بیشتر 👇
https://onlinebme.com/multi-classification-with-one-vs-rest-or-one-vs-one/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅ چطور با داده‌ نامتعادل در آموزش مدلهای یادگیری ماشین مقابله کنیم؟

⚠️ احتمالا تا حالا براتون پیش اومده که یه پروژه‌ای انجام داده باشین و دقت مدل 90 درصد بدست بیاد و بعد کلی خوشحال شدین که به به چه پروژه ای شد! بعد که یه مقدار بیشتر بررسی کردید متوجه شدین که 90 درصد داده‌ها مربوط به یک کلاس هست! این یک مثال از داده نامتعادل هست.

🔷 در این بخش میخواهیم چندین تـکنیک ساده برای مقابله با داده نامتعادل در آموزش الگوریتم‌های یادگیری ماشین را توضیح دهیم.

⭕️ جزئیات بیشتر 👇
https://onlinebme.com/how-to-to-combat-imbalanced-classes-in-your-machine-learning-dataset/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅ چرا SVM در بین طبقه‌بندها جزء بهترینا هست؟

🔷ماشین بردار پشتیبان(svm) یکی از معروفترین الگوریتمها در مسائل طبقه‌بندی هست که برای اولین بار توسط آقای Vladimir Vapnik در سال 1995 با عنوان support vectors networks مطرح شد. SVM در ابتدا برای مسائل طبقه‌بندی دو کلاسه خطی مطرح شده بود که بعدا برای مسائل چندکلاسه، مسائل غیرخطی ، مسائل رگرسیون و حتی مسائل خوشه‌بندی تعمیم داده شد. از این رویکرد استقبال بی نظیری شده و جز مقالاتی هست citation خیلی بالایی دارد.

⭕️جزئیات بیشتر 👇
https://onlinebme.com/why-svm-is-popular/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

Data vs information vs knowledge vs wisdom

#machinelearing

@onlinebme

#تخفیف
https://onlinebme.com/coupon/

✅چطور یک مقاله تخصصی را در سریع‌ترین زمان ممکن پیاده‌سازی کنیم!

💡پیاده سازی مقاله یکی از چالشهای اساسی برای دانشجویان است. معمولا اکثر دانشجویان در پیاده‌سازی مقالات تخصصی مشکل دارند و شروع کار براشون سخت هست. در این بخش میخواهیم توضیح میدهیم که چطور میتوان یک مقاله تخصصی را در کوتاه ترین زمان ممکن پیاده سازی کرد. فعلا هدفمان پیاده‌سازی مقالاتی هست که متیوان با کمک ابزار آماده در محیط‌های برنامه نویسی مثل متلب یا پایتون انجام داد.
#پیاده‌سازی_مقاله

جزئیات بیشتر 👇
https://onlinebme.com/code-article-2/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

سال نو مبارک ❤️
امیدواریم سال جدید برای هممون سالی پر از خیر و برکت باشه
بهترینهارو براتون آرزومندیم❤️🌹🙏

❤️ @onlinebme