واسم جالبه که یک میکروچیپ میاد نقش نوروترنسمیتر گابا رو ایفا میکنه
جایی که گابا گاف میده و نیست ، میکروچیپ جبران میکنه
میشه امید داشت میکروچیپ هابتونن به بیماران مبتلا به افسردگی و پارکینسون و ...کمک کنن
آینده باهوش مصنوعی برای من به شدت جذاب و دیدنیه

@NeuralComputations

پ.ن:
گابا در دسته نوروترنسمیتر های بازدارنده است که در پیشگیری و بازدارندگی بعضی از پیام های مغزی و کاهش فعالیت سیستم عصبی نقش دارد. با اتصال گابا به پروتئین گیرنده گابا در مغز، اثر آرامبخشی گابا مشاهده می شود که می تواند در کنترل احساس اضطراب، استرس، ترس و در بعضی موارد در بهبود تشنج نیز موثر باشد.

@NeuralComputations

الگوریتم های تکاملی چیست؟
الگوریتم های تکاملی یک برنامه ی کامپیوتری مبتنی بر هوش مصنوعی تکاملی است که با استفاده از فرآیندهایی که رفتارهای موجودات زنده را تقلید می‌کنند، مسایل را حل می‌کند. به این ترتیب، از مکانیسم هایی استفاده می کند که معمولاً با تکامل بیولوژیکی مرتبط هستند، مانند تولید مثل، جهش و جایگزینی ترکیب.
به طور کلی الگوریتم‌های تکاملی یک رویکرد مبتنی بر اکتشافات و برای حل مسائلی هستند که به راحتی در زمان چند جمله‌ای قابل حل نیستند، مانند مسائل کلاسیک سخت از درجه NP-Hard، و هر چیز دیگری که پردازش کامل آنها بسیار طولانی است وزمانی که به تنهایی مورد استفاده قرار می گیرند، معمولاً برای مسایل ترکیبی استفاده می شوند. با این حال، الگوریتم‌های تکاملی ژنتیک اغلب همراه با روش‌های دیگر مورد استفاده قرار می‌گیرند تا عنوان یک راه حل سریع برای یافتن یک مکان شروع بهینه برای الگوریتم دیگرعمل می‌کنند.
اگر شما با فرآیند انتخاب طبیعی و تصادفی آشنا باشید،به عنوان مثال در الگوریتم ژنتیک شناخت یک الگوریتم تکاملی (که بیشتر به عنوان EA شناخته می شود) بسیار ساده است. یک EA یا همان الگوریتم تکاملی شامل چهار مرحله کلی است: مقداردهی اولیه، انتخاب، عملگرهای ژنتیکی و خاتمه. این مراحل هر کدام تقریباً با جنبه خاصی از انتخاب طبیعی مطابقت دارند و راه‌های آسانی برای مدلسازی و پیاده‌سازی‌های این دسته الگوریتم ارائه می‌دهند. به بیان ساده، در یک EA، اعضای مناسب‌تر یا همان انتخاب های مناسب زنده می‌مانند و تکثیر می‌شوند، در حالی که اعضای نامناسب از بین می‌روند و مانند انتخاب طبیعی، به مخزن ژنی نسل‌های بعدی (انتخاب های بعدی) کمک نمی‌کنند.

@NeuralComputations

بین مطالعات امروزم به الگوریتم تکاملی تو ماشین لرنینگ برخوردم واسم جالب بود
خلاصه ای ازش واسه شما میزارم و لینک سایت، میتونید برید بیشتر مطالعه کنید

#سوال_شما
‌                                                 ‌ ‌‌‌    ‌
سلام عزیزم. شبت بخیر. من خیلی آماتورم در مسیر علوم شناختی.
می‌خواستم ازت راجع به ارتباط و کاربرد هوش مصنوعی و ماشین‌لرنینگ و ... توی نوروساینس بپرسم.
یعنی یادگیری این مهارت‌ها، چه آورده‌ای داره برای کسی که نوروساینس و شناختی کار می‌کنه؟

#پاسخ_من


‌                                  سلام جانم
ما دوتا مسئله داریم اینجا
یکی علوم شناختی هستش
یکی هم هوش مصنوعی
من راجع به هوش مصنوعی بگم که هیچ حوزه‌ای درجهان نمیتونه درمقابل هوش مصنوعی مقاومت بکنه و نخواد ازش استفاده کنه و همچنین درابعاد کوچیک ترافراد هستند
اگر ما بخوایم که پیشرفت کنیم توکارمون و هرحوزه ای که هستیم مجبوریم وارد دنیای جذاب هوش مصنوعی بشیم غیرازین غیرممکن میشه درآینده
علوم شناختی هم همینه شما میتونی کاردرمان بکنی ولی بدون نه چندان پیشرفت میکنی توکارت نه اینده جایی برای پیشرفت برات هست چرا که درمان و استفاده از تکنولوژی باید در یک راستا قرار بگیرند
علوم شناختی چون میان رشته‌ای هست شما میتونی تو فیلدهای مختلفی کار کنی حالا کاربردش توماشین لرنینگ چیه ماشین لرنینگ میاد مثلا یک سری دیتاست میگیره(مجموعه‌ای از دیتا)مثلا دیتا بیمار مبتلابه آلزایمر یا ADHDیاهر اختلال شناختی دیگه
مااین مجموعه دیتااز بیماران جمع کردیم میایم با استفاده از الگوریتم های ماشین بهش یاد میدیم که مثلا یکباری یکی اومد با فلان مشخصات تو تشخیص میدی که فلانی مبتلا به adhdیا آلزایمره تو مدلای پیشرفته ترش همونطور که میشنویم هرزگاهی میگن از ۱۰ سال قبل مثلا فلان اختلال قابل پیش بینی میشه با فلان متد مثلا خب همین باعث میشه روند درمان سریعتر آغاز بشه و دیگه بیماری عود نکنه این فقط یک مثال ساده راجع به کاربرد ماشین لرنینگ و هوش مصنوعی توی علوم شناختی هستش 

 @NeuralComputations
‌                                                

تصمیم گرفتم سوالات خوبی که توبات ازم میپرسید
با پاسخی درحد دانشم که بهتون میدم اینجاهم بزارم
ممنون میشم دوستان عزیز و باسواد تراز من اینجا هم توحوزه شناختی هم هوش مصنوعی هستن نظری داشتن بگن ❤️

https://maktabkhooneh.org/course/%D8%A2%D9%85%D9%88%D8%B2%D8%B4-%D8%B1%D8%A7%DB%8C%DA%AF%D8%A7%D9%86-%D8%B9%D9%84%D9%88%D9%85-%D8%A7%D8%B9%D8%B5%D8%A7%D8%A8-%D9%85%D8%AD%D8%A7%D8%B3%D8%A8%D8%A7%D8%AA%DB%8C-mk744/%D9%81%D8%B5%D9%84-%D8%A7%D9%88%D9%84-%D8%B9%D9%84%D9%88%D9%85-%D8%A7%D8%B9%D8%B5%D8%A7%D8%A8-%D9%85%D8%AD%D8%A7%D8%B3%D8%A8%D8%A7%D8%AA%DB%8C-ch2077/%D9%88%DB%8C%D8%AF%DB%8C%D9%88-%D9%85%D9%82%D8%AF%D9%85%D9%87-%D8%AF%D8%B1%D8%B3-%D8%B3%D8%B1%D9%81%D8%B5%D9%84-%D9%86%D8%AD%D9%88%D9%87-%D8%A7%D8%B1%D8%B2%DB%8C%D8%A7%D8%A8%DB%8C/

کورس رایگان علوم اعصاب محاسباتی از اساتید کامپیوتر دانشگاه تهران


@Neouroscienc

‌                                                 ‌ ‌‌‌    ‌
سلام سارا. شبت بخیر. ممنون بابت مطالب خوب کانالت.
می‌خواستم بپرسم اگر بخوای یک شروع برای مسیر یادگیری هوش مصنوعی معرفی کنی، چیه؟
_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _

خیلی خلاصه و مفید یه رودمپ از هوش مصنوعی میزارم و از کلی گویی هم اجتناب میکنم فرض براین میزارم کسی که دنبال رودمپه هوشه خودش قبلا مطالعاتی داشته دراین مورد و من اینجا فقط پلن خودمو میزارم (از صفرالبته)
یه پلن ۹ ماهه هوش مصنوعی

📍ماه اول تا سوم
☑️مبانی ریاضی(مبانی جبرخطی،آمارو احتمال [معنی داری آماری،توزیع،رگرسیون لجستیک و خطی ]
☑️برنامه نویسی(مبانی برنامه نویسی و زبان برنامه نویسی پایتون)
☑️Data science( کورس های دیتاساینس کمی ببینید تا با تحلیل و دستکاری داده آشنابشید ترجیحا یه دیتاست بردارید باهاش سروکله بزنید، لازمه کتابخانه های pandas,numpyیاد بگیرید)

📍ماه چهارم تا ششم
☑️مبانی تئوری هوش مصنوعی
☑️ماشین لرنینگ(و پکیج هایی مثل tensorflow,keras

📍ماه هفتم تا نهم
☑️یادگیری عمیق(deep learning)
☑️مبانی mlops(پیاده سازی قواعد Devopsتو سیستم های یادگیری ماشین )
و درنهایت میتونید دریک حوزه تخصص پیدا کنید مثل،پردازش زبان طبیعی ،بینایی کامپیوتر،یادگیری تقویتی

💡اینم بگم که هرکدوم از حوزه های ذکرشده بااین علامت☑️خودشون یه دنیایین میتونید توی هرکرکدوم که خواستید مهارت کسب کنید و کار کنید, فقط ترتیب اینها باید رعایت بشه

این روال میتونه با توجه به زمینه‌ و دانشتون و زمانتون که دارید و ازهمه مهم تر پشتکارتون کوتاه تربشه و همچنین طولانی تر، بستگی به شرایط خودتون داره
امیدوارم بتونم کمک کرده باشم ، بتونید شروع کنید و موفق باشید❤️

@Neouroscienc

سه مجموعه آموزش خوب برای شروع کار توی حوزه علم داده:

- Machine Learning for Beginners

- Data Science for Beginners

- Artificial Intelligence for Beginners


@NeuralComputations

آموزش شبکه های عصبی در 5 جلسه خدمت شما
مدرس:دکتر مهدی اله یاری

@NeuralComputations

آموزش شبکه های عصبی. جلسه۱
مدرس: دکتر مهدی اله یاری
#Neural_Network


@NeuralComputations

آموزش شبکه های عصبی. جلسه2
مدرس: دکتر مهدی اله یاری
#Neural_Network

@NeuralComputations

آموزش شبکه های عصبی. جلسه3
مدرس: دکتر مهدی اله یاری
#Neural_Network


@NeuralComputations

آموزش شبکه های عصبی. جلسه4
مدرس: دکتر مهدی اله یاری
#Neural_Network

@NeuralComputations

آموزش شبکه های عصبی. جلسه5 . جلسه پایانی
مدرس: دکتر مهدی اله یاری
#Neural_Network

@NeuralComputations

نوبتی هم باشه نوبت منابع کنکوری برای عزیزای علوم شناختی هستش
بزودی برای این بچه ها منابع خوبی میزارم که قول میدم جایی نمیتونی پیداش کنی
بیشتراز ۵۰ تا مایند مپ دارم که خودم نوشتمش وهمینطور پی دی اف کتاب‌ها خلاصه هرمنبعی که دارم ومیدونم برای کنکوری ها مفیده💙
@Neouroscienc

وقتی که جنین از کیسه ی آب بیرون میاد❤

اونقدر بابت دیدنش ذوق کردم که خواستم شماهم ببینید🫠☺️
@Neouroscienc