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 خود- با حضور سامان عباس پور


@the_maze2022

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.)

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
کانال یوتیوب نوروسینتکس

@the_maze2022

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.

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

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.

یکشنبه این هفته مقاله زیر رو ارائه خواهم کرد و بعدش در هفته های بعدی سعی میکنیم Figure 1 این مقاله رو توی پایتون با هم کار کنیم. دیتا این داده در دسترس و با حجم کم قابل دانلود هست که فکر میکنم برای بسیاری از شما راحت بشه. کدها کامل در دسترس نیست ولی خودمون مینویسیم و سعی میکنیم شبیه مقاله در بیاریم. سعی میکنم یک مسیر کامل از فهم مقاله، دریافت کد و داده ها، بررسی آنالیز های تصویر اول و ساخت Figure در Adobe Illustrator رو کامل توضیح بدم که یک پکیج کامل باشه. در این مسیر از ChatGPT هم خیلی کمک میگیریم که ببینید چطوری باید با این هوش مصنوعی ارتباط برقرار کنید تا به چیزی که میخواید برسید.

پیش نیاز: برنامه نویسی ابتدایی با پایتون

تصویر اول این مقاله شامل آنالیز های زیر میشه:

Principal Component Analysis,
Cosine similarity and correlation
UMAP
SVM decoding

جلسات شنبه یا یکشنبه ساعت شش خواهد بود. جلسات منسجم نیست و بسته به اینکه مقاله خوبی پیدا بشه یا نه و میزان مشارکت جلو میره. (یعنی هر هفته پشت سر هم شاید جلسه نباشه. هر وقت مقاله خوبی پیدا کنیم جلسه میذاریم و تا وقتی تمام کنیم بخش های اون مقاله رو پیش میریم)

بیشتر جلسات نوروسینتکس ضبط و در کانال یوتیوب یا تلگرام پخش میشن که میتونید از زیر مشاهده کنید:

https://www.youtube.com/@neurosyntaxacademy/playlists

برای این جلسات مقالاتی که پیشنهاد میکنید رو میتونید خودتون ارائه بدید و یا اگر فرد دیگری علاقه منده ارائه بده. من تمامی مقالات رو ارائه نخواهم داد.

حتی اگر علاقه مند به موضوع مقاله نیستید در این مجموعه جلسات شرکت کنید. قراره مثل یک پژوهشگر حوزه علوم اعصاب خودمون رو جای نویسندگان این مقاله بذاریم، سوالشون رو بفهمیم، برای این سوال آزمایش طراحی کنیم، ببینیم بر مبنای داده جمع آوری شده چطور میتونیم به اون پرسش های اولیه پاسخ بدیم و بعدش چطور این نتایج رو رسم کنیم و چاپ کنیم. این یک مسیر کامل خواهد بود و تجربه نادری از آموزش فعال. بدون شک با شرکت کردن شما من هم انرژی بیشتری میگیرم و توان بیشتری میذارم.

در این مجموعه با ابزارهای مختلف روز علوم اعصاب هم شما رو آشنا میکنم که در دسترس هستند و میتونید برای پروژه های کنونی یا آینده خودتون هم از اون استفاده کنید.

نام این مجموعه رو میذاریم "آزمایشگاه نوروسینتکس" - Neurosyntax Lab

فردا نخستین جلسه این مقاله خواهد بود - ساعت شش به وقت تهران - محل برگزاری جلسه زوم خواهد بود و لینک جلسه نیم ساعت قبل ارسال خواهد شد. لطفا نرم افزار زوم رو نصب کنید تا فردا دچار مشکل نباشید.

لینک شرکت در جلسات آزمایشگاه نوروسینتکس

https://vanderbilt.zoom.us/j/95414398597

آغاز ثبت نام گام دوم دوره جامع "مقدمه ای بر سیبرنتیک"

گام دوم: شرحی بر سیستم‌های کنترل

لینک ثبت‌نام گام دوم

این گام به صورت 8 ساعت درسگفتار در 4 جلسه است که در نرم‌افزار زوم برگزار می‌شود.

فیلم جلسات بلافاصله پس از کلاس در اختیار دانشجویان قرار می‌گیرد.

علاوه بر این 8 ساعت، تعدادی درسگفتار و مطالب تکمیلی در اختیار دانشجویان قرار خواهد گرفت.



توجه: برای تسهیل دسترسی علاقه‌مندان به شرکت در این دوره، دانشجویانی که پیش‌ از برگزاری جلسات آنلاین ثبت‌نام کنند، می‌توانند با کد تخفیف زیر از 70% تخفیف برخوردار شوند.

🔽🔽
کد تخفیف: AZR403



سرفصل‌های گام دوم

نقشه راه دوره جامع "مقدمه ای بر سیبرنتیک"

همچنین دوستانی که علاقه مند به شرکت در گام قبلی هستند می توانند از لینک زیر ثبت نام کنند.

لینک ثبت‌نام در گام اول(نگاهی تاریخی به سیبرنتیک)

@the_maze2022

آزمایشگاه نوروسینتکس - قسمت اول

در مجموعه جلسات آزمایشگاه علوم اعصاب، تلاش می‌کنیم خود را جای پژوهشگران مقالات علمی قرار داده و پرسش‌ها و رویکردهای آن‌ها را نقد کنیم. با استفاده از داده‌های به اشتراک‌گذاشته‌شده، به روش‌های متنوع تحلیل داده‌ها آشنا می‌شویم. در این مجموعه، شما یاد می‌گیرید:

تفکر نقادانه داشته باشید.
پرسش‌های مناسب مطرح کنید.
رویکردهای تحلیلی متناسب با پرسش‌های خود انتخاب کنید.
تصاویر جذاب تولید کرده و مقاله بنویسید.

موضوع این قسمت:
چگونه می‌توانیم با داده‌های نورونی (اسپایک، کلسیم، fMRI و ...) تصمیم بگیریم که یک مدار نورونی Generalization یا Discrimination انجام می‌دهد؟

آنچه در این قسمت خواهید آموخت:

▫️آشنایی با ساختار جلسات
▫️کار با پلتفرم Connectivity موسسه Allen
▫️بررسی مقاله Structure and flexibility in cortical representations of odour space
▫️آشنایی با Decoding بر اساس فعالیت جمعیت نورونی
▫️آشنایی با روش‌های UMAP و Support Vector Machine (SVM)

پیش‌نیازها این مقاله:
مشاهده جلسات 1 تا 4 مجموعه Matrix Decomposition

مشاهده مجموعه آموزش برنامه نویسی پایتون (این جلسات رو من قبلا ضبط و در کانال سوفی فیلیا قرار دادم که میتونید دانلود و مشاهده کنید):
https://news.1rj.ru/str/SophyPhiliaAcademy/56


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


#neurosyntax #lab

درود دوستان، سپاس از تمامی کسانی که این جلسه شرکت کردن. بدون شک بخش بزرگی از انرژی من برای تولید این محتوا از شرکت شما در جلسات و تماشای بحث ها میاد. امیدوارم که آپلود شدن ویدیوها در یوتیوب باعث نشه در جلسات حضوری شرکت نکنید چون این جلسات با حضور شما فعال تر میشه.

در جلسه آینده درباره Support Vector Machines و به طور کلی تر Classification و Decoding صحبت میکنیم و از دیتاهای شبیه سازی شده و دیتاهای این مقاله استفاده میکنیم تا نحوه پیاده سازی این آنالیز در پایتون رو فرابگیریم.