کانال یوتیوب
@neurosyntaxacademy
https://www.youtube.com/@neurosyntaxacademy

اینستاگرام
Neurosyntax

تلگرام:
https://news.1rj.ru/str/Neuro_Syntax


تمام محتوایی که در گذشته توسط تیم نوروسینتکس و خودم (سامان) ضبط شده و محتوای کنونی و آینده به کانال های یوتیوب منتقل خواهد شد. برخی از این محتوا در اینجا به اشتراک گذاشته نشده (برای مثال محتوای فلسفی) و میتونید در یوتیوب ببینید. در اینستاگرام هم برنامه ها اعلام میشه و شاید بعدتر لایو هم بذاریم. یوتیوب و اینستاگرام نوروسینتکس رو برای برنامه های علمی بعدی دنبال کنید.

درود دوستان،

ویدیو های جلسات نوروسینتکس از این پس فقط بر روی پلتفرم یوتیوب بارگزاری خواهد شد و برنامه ها هم در کانال اینستاگرام اطلاع رسانی میشه. تمامی ویدیو هایی که در گذشته ضبط شده هم در یوتیوب بارگزاری خواهد شد. دنبال کردن این کانال ها باعث دلگرمی افرادی میشه که در تولید محتوا کمک میکنن. مجموعه جلسات جدیدی هم تا چند ماه دیگر آغاز خواهد شد که داریم برنامه ریزی میکنیم.

کانال یوتیوب
@neurosyntaxacademy
https://www.youtube.com/@neurosyntaxacademy

اینستاگرام
Neurosyntax

تلگرام:
https://news.1rj.ru/str/Neuro_Syntax

زمان برگزاری کارگاه: شنبه و یکشنبه، ۲۳ - ۲۴ و ۳۰ - ۳۱ تیرماه. (در کل چهار جلسه پیش‌بینی شده است، اما بسته به روند پیشرفت ممکن است تعداد جلسات تغییر کند.)

ساعت برگزاری: ۱۸:۰۰ به وقت تهران

هزینه شرکت: شرکت در این کارگاه برای عموم آزاد و رایگان است.

ظرفیت: ۱۵۰ نفر

پلتفرم برگزاری: Zoom (لطفاً پیش از شرکت در جلسه، نرم‌افزار زوم را نصب و تست نمایید.)

ارائه دهنده: دکتر سامان عباس‌پور - دانش‌آموخته دکتری علوم اعصاب از دانشگاه وندربیلت آمریکا

برگزارکننده: آکادمی علوم اعصاب نوروسینتکس

#neurosyntax #workshop

Matrix decomposition
Syllabus for 1st and 2nd sessions

Using linear matrix factorization methods to discover patterns in nature and explaining them
What are patterns?
Projecting high throughput data into high-dimensional spaces
Advantageous of high-dimensional data spaces

[Primers on linear algebra]
Vectors and Vector operations
Thinking in coordinate systems
Linear combinations, span, and basis vectors
Linear dependence
Matrix and matrix operations
Dot product, cosine similarity, covariance, and correlation
Linear transformations, and matrix as a transformation function
Matrix decomposition
Eigendecomposition
Principal Component Analysis (PCA), computation and interpretation
Dimensionality Reduction
Truncation, Elbow rule, Marchenko–Pastur distribution

PCA Application [Hands-on practice in MATLAB]
[Example 1] World Happiness Report
[Example 2] RNA sequencing dataset
[Example 3] Trial-Structured Neural Data

PCA assumptions and limitations

#neurosyntax #matrixdecomposition