NeuroSyntax – Telegram
NeuroSyntax
4.58K subscribers
399 photos
84 videos
70 files
320 links
Download Telegram
در ماه‌های گذشته 4 کارگاه درباره روش‌های بهینه کردن مطالعه داشتیم و در هرکدام به یکی از مباحث مهم این حوزه پرداختیم و تمرین‌هایی در این راستا انجام دادیم.

به بهانه شروع سال تحصیلی جدید لینک ثبت‌نام در این کارگاه‌ها با کد تخفیف 50% ارسال می‌شه.

کد تخفیف: DCT03

لینک‌های ثبت‌نام:

کارگاه: افزایش سرعت یادگیری در حوزه‌های جدید و ناآشنا

کارگاه: مطالعه جدی رو از کجا شروع کنم؟

کارگاه: چطور به مطالعاتم نظم بدم؟

کارگاه: چطور یک مسیر مطالعاتی بسازم؟

اگر دوست داشتید می‌تونید با ارسال این پست برای دوستان علاقه‌مندتون اون ها رو هم با خبر کنید.

مهلت ثبت نام تا روز جمعه 6 مهر ساعت 23:59

@The_maze2022
مید‌ونید که من اینجا کلام کسی رو معرفی نمیکنم مگر اینکه بدونم یک مسیر جدی اندیشه ای رو به روی شما خواهد گشود.

در نتیجه رشته محتوای پوریا درباره سایبرنتیک رو دنبال کنید. من چندین ماه میشه پوریا رو دنبال میکنم و الآن با خیالی آسوده میتونم بگم رویکرد جدی ای داره که برای من ارزشمنده و از مجموعه کارهایی که میکنه خواهید آموخت.

برای دوستانی که مجموعه سیستم های پویا پیچیده و کنترلی نوروسینتکس رو دنبال میکردن این مجموعه ماز محتوای بسیار کاربردی خواهد داشت و بر ابعاد گوناگون اون خواهد افزود.

استوری ها در اینستاگرام
محتوای دیگر در کانال تلگرام:

https://news.1rj.ru/str/The_maze2022
سیبرنتیک یکی از حوزه‌های بینارشته‌ای بسیار مهم و تاثیر گذار توی علم قرن بیستم بود و امروز رد پاش روی توی بسیاری از رشته‌ها از جمله انواع مهندسی، زیست‌شناسی نظری، فیزیک، فلسفه و علوم اجتماعی می‌شه دید.

سیبرنتیک و آشنایی با مفاهیمی که صورت بندی کرده به قدری اهمیت داره که بسیاری از بحث‌های علمی امروز بدون پشتوانه اونا معنی خودش رو از دست می‌ده.

مفاهیمی مثل خودسازماندهی، فیدبک، کنترل، عاملیت و... که امروز توی بسیاری از رشته‌ها از جمله زیست شناسی به وفور به کار می‌رن، میراث سیبرنتیک حساب می‌شن.

و متاسفانه نام سیبرنتیک در ایران خیلی کم شناخته شده و منابع بسیار کمی هم درباره‌اش وجود داره.

برای اینکه قسمتی از این کمبود رو جبران کنیم، قراره از اوایل آبان ماه یه دوره جامع آنلاین در چهار گام رو شروع کنیم و دست کم در حد مقدمات ورود به این حوزه کنار هم درباره سیبرنتیک یاد بگیریم.

اطلاعات شروع خود دوره و جزئیاتش به زودی در روزهای آینده اعلام می‌شه، منتظر بمونید، خبرهای خوبی در راهه.

@The_maze2022
پوریا آزادی (Poria Azadi)
بعد از یه وقفه طولانی مدت قسمت جدید برنامه ماز منتشر شد. در این قسمت در خدمت دوست عزیزم سامان عباس‌پور بودیم و درباره خیلی چیزها صحبت کردیم که توی یکی دوتا جمله نمیشه خلاصه اش کرد. این قسمت رو به هیچ وجه از دست ندید. قسمت 39 برنامه ماز-ایستادن روی پای…
سیر حرکت آکادمیا در چندین دهه قرن بیست و یکم تغییرات بسیاری داشته از رویکرد نگرش به پژوهش تا تربیت نسل جدید. در این مکالمه با پوریا درباره این تغییرات گپ زدیم. مهم ترین پرسشی که دربارش صحبت کردیم این بود که چطور باید در اندیشیدن روی پای خودمون بایستیم.

این مجموعه رو اگر دوست داشته باشید ادامه میدیم. (دوست نداشتید هم ادامه میدیم. شاید نسل بعدی دوست داشت.)
پوریا آزادی (Poria Azadi)
قسمت دوم از گفتگو با دوست عزیزم سامان عباس‌پور درباره مسائل موجود در آکادمی، ساختن دستگاه فکری و روی پای خود ایستادن و ... این قسمت رو به هیچ وجه از دست ندید. ماز-قسمت چهلم-ایستادن روی پای خود 2-با حضور سامان عباس‌پور لینک قسمت قبلی کانال تلگرام نوروسینتکس…
زمان بسیاری گذشته بود از آخرین باری که درباب ارزیابی آکادمیا صحبت کرده بودم. چند ماهی هست با پوریا آشنا شدم و از جدیتی که در تولید محتوای خودش داره خوشم میاد و جزو افرادی هست که خودم محتواش رو دنبال میکنم که چیز نادری هست چون بسیار از ایرانیانی که تولید محتوا میکنن چیز جدیدی ارائه نمیکنن که اندیشه گذشته تو رو پتک بزنه و باعث اندیشه ورزی جدید بشه. برای همین خصوصیاتی که پوریا در کارش داره خیلی دوست داشتم باهاش گپ بزنم. این مجموعه ابتدای یک مسیر همکاری هست و فکر میکنم خیلی بیشتر کار کنیم. این مکالمه اخیر به خصوص درباره شرایط آکادمیا در ایران و خارج ایران هست. برای من رهگیری مسیر حرکت اندیشه بسیار جذابه و این مسیر در دوران جدید علایم حیاتی خوبی از خودش نشون نمیده. پرسش این هست که چرا؟ چرا چیزی که اسمش رو میذاریم Disruptive Science (که میشه ترجمه بشه به علم تحول آفرین یا دگرگون کننده) کمتر شده؟ چرا پژوهشگران و اندیشمندانی که اندیشه یکتا خلق کنند کمتر دیدن میشن یا کمتر تربیت میشن؟ مدت هاست آدم های آکادمیا رو به سه دسته بنیان گذاران، پیش برندگان/سازندگان و کارمند ها تقسیم میکنم و فکر میکنم بسیاری از افرادی که در آکادمیا هستن جزو دسته سوم هستن و از دغدغه های ذهنی من هست که چطور میشه احتمال تربیت گروه اول (بنیان گذاران) رو بیشتر کرد. در این مکالمه درباره اینها کمی بحث شده ولی در جلسات بعدی جدی تر وارد خواهیم شد.
NeuroSyntax
Photo
درود دوستان، با کمک شما میخوام برنامه ریزی برای یک مجموعه جلسه جدید رو آغاز کنم. این مجموعه با رویکردهای گذشته متفاوته. در این مجموعه ما ژورنال کلاب + یادگیری آنالیز داده خواهیم داشت. بدین گونه که مقالاتی که کدها ( و شاید داده ) خودشون رو به اشتراک گذاشتن پیدا میکنیم و هر هفته یک بخشی از جلسه رو میذاریم برای ارائه سریع اون مقاله و بعدش میریم سراغ کدش و کد رو بررسی میکنیم تا یاد بگیریم چیکار کرده. برای شروع باید مجموعه ای از مقالاتی که چنین رویکردی دارن رو انتخاب کنیم. در زیر همین پست میتونید این مقالات رو ارسال کنید. اگر مقاله ای به پیش زمینه هایی نیاز داشت سعی میکنیم چندین جلسه براش بذاریم. چند مورد زیر رو در یاد داشته باشید:

1 - مقاله ای رو معرفی کنید که کدش رو به اشتراک گذاشته باشه (برای نمونه در Github یا Colab و ...)

2 - کد ها باید در زبان برنامه نویسی پایتون باشن (برخی جلسات میتونیم رو متلب هم بذاریم ولی بیشتر تمرکز جلسات روی پایتون هست)

3 - اگر داده های خودشون رو به اشتراک گذاشته باشن بهتره

4 - اگر رویکردهای یادگیری ماشین نوین مثل شبکه های عصبی داشته باشه بهتره

در این مجموعه از هوش های مصنوعی هم خیلی کمک میگیریم برای اینکه کدهای بهتری بنویسیم و به نتایجی که میخوایم برسیم. در نتیجه این کورس قراره یک بسته آموزشی کامل باشه که فهم محتوای مقالات رو به نکات فنی اون گره میزنه.

#neurosyntax
NeuroSyntax
درود دوستان، با کمک شما میخوام برنامه ریزی برای یک مجموعه جلسه جدید رو آغاز کنم. این مجموعه با رویکردهای گذشته متفاوته. در این مجموعه ما ژورنال کلاب + یادگیری آنالیز داده خواهیم داشت. بدین گونه که مقالاتی که کدها ( و شاید داده ) خودشون رو به اشتراک گذاشتن…
درود دوستان. برای این مجموعه اگر مقاله مشخصی میشناسید که دوست دارید بررسی کنیم زیر این پست بفرستید. بهتره با مقالات آسان تر و قابل فهم شروع کنیم. بخصوص اگر که دیتا رو به اشتراک گذاشته باشن خیلی بهتره که بتونیم دانلود کنیم و روی دیتا کار کنیم و سعی کنیم تصاویر مقاله رو بازتولید کنیم. بخشی از آنالیزهایی که فکر میکنم بد نباشه باهاش شروع کنیم اینهاست:

Classification problems:
- Support vector machines, regression models, generalized linear models

Dimensionality reduction and latent dynamics estimation:
- Nonlinear: Isomap, UMAP, ...; Linear: PCA, NNMF, ...

Single unit analysis:
- Plotting PSTHs, spike density functions, ...

Cell assembly detection and population dynamics analysis

اگر مقالات مشخصی در این حوزه و یا حوزه های مشابه برای شروع میشناسید معرفی کنید.