برای فصل سوم آزمایشگاه نوروسینتکس، کدام خانواده از آنالیز های زیر را انتخاب میکنید؟
Anonymous Poll
55%
Generalized Linear Models
45%
Hidden Markov Models
NeuroSyntax pinned «برای فصل سوم آزمایشگاه نوروسینتکس، کدام خانواده از آنالیز های زیر را انتخاب میکنید؟»
NeuroSyntax
Photo
درود بر همگی دوستان و کسانی که در نظرسنجی فصل سوم نوروسینتکس شرکت کردند.
▫️با توجه به نتایج رای گیری که بسیار نزدیک هست و اینکه مبحث GLM ها پایه ای تر و راحت تر از HMM هست، فصل سوم رو به GLM ها اختصاص میدیم و برای فصول بعدتر به سراغ HMM خواهیم رفت.
▫️با توجه به اینکه GLM در علوم اعصاب برای کاربردهای گوناگونی بکار گرفته شده سعی میکنم مجموعه ای از مقالات رو گردآوری بکنم که یک گستره خوبی از تنوع کاربردی این خانواده از آنالیز ها رو آموزش بده.
▫️اگر علاقه مند به ارائه مقالات یا مباحث پایه GLM هستید زیر این پست اعلام آمادگی کنید تا بهتون پیام بدم.
▫️من لیستی از مقالاتی که فکر میکنم مناسب این فصل هستند رو میارم ولی این لیست شاید تا زمان آغاز جلسات تغییر کنه. اگر مقالات مناسبی میشناسید که از GLM ها استفاده کرده ارسال کنید تا بررسی کنم.
لیست مقالات و منابع:
Machine Learning for Neural Decoding
Generalized Linear Models for Point Process Analyses of Neural Spiking Activity
Spatio-temporal correlations and visual signalling in a complete neuronal population
Reconstructing neuronal circuitry from parallel spike trains
GLMspiketraintutorial_python
GLMspiketools
تمامی مبانی این بحث ارائه خواهد شد اما اگر علاقه مند هستید پیش از شروع جلسات کمی درباره این خانواده آنالیزها بدونید میتونید ویدیو زیر از نورومچ رو نگاه کنید:
Machine Learning: GLM
▫️با توجه به نتایج رای گیری که بسیار نزدیک هست و اینکه مبحث GLM ها پایه ای تر و راحت تر از HMM هست، فصل سوم رو به GLM ها اختصاص میدیم و برای فصول بعدتر به سراغ HMM خواهیم رفت.
▫️با توجه به اینکه GLM در علوم اعصاب برای کاربردهای گوناگونی بکار گرفته شده سعی میکنم مجموعه ای از مقالات رو گردآوری بکنم که یک گستره خوبی از تنوع کاربردی این خانواده از آنالیز ها رو آموزش بده.
▫️اگر علاقه مند به ارائه مقالات یا مباحث پایه GLM هستید زیر این پست اعلام آمادگی کنید تا بهتون پیام بدم.
▫️من لیستی از مقالاتی که فکر میکنم مناسب این فصل هستند رو میارم ولی این لیست شاید تا زمان آغاز جلسات تغییر کنه. اگر مقالات مناسبی میشناسید که از GLM ها استفاده کرده ارسال کنید تا بررسی کنم.
لیست مقالات و منابع:
Machine Learning for Neural Decoding
Generalized Linear Models for Point Process Analyses of Neural Spiking Activity
Spatio-temporal correlations and visual signalling in a complete neuronal population
Reconstructing neuronal circuitry from parallel spike trains
GLMspiketraintutorial_python
GLMspiketools
تمامی مبانی این بحث ارائه خواهد شد اما اگر علاقه مند هستید پیش از شروع جلسات کمی درباره این خانواده آنالیزها بدونید میتونید ویدیو زیر از نورومچ رو نگاه کنید:
Machine Learning: GLM
eNeuro
Machine Learning for Neural Decoding
Despite rapid advances in machine learning tools, the majority of neural decoding approaches still use traditional methods. Modern machine learning tools, which are versatile and easy to use, have the potential to significantly improve decoding performance.…
به طور کلی چندین خانواده آنالیز بسیار مهم باقی مونده که علاقه مندم همه رو در سال جدید و به تدریج کار کنیم که شامل موارد زیر میشه:
Generalized Linear Models
Hidden Markov Models
Bayesian analysis
Information theory
در کنار اینها اگر علاقه مند هستید در نوروسینتکس آموزش بدید، پیام بدید تا برنامه ریزی کنیم.
در صورتی که علاقه مند هستید فقط یک مقاله/بحث رو ارائه بدید و نمیخواید که یک دوره کامل برگزار کنید، میتونیم برای این هم برنامه ریزی کنیم.
من بسیار خواهان این هستم که افراد بیشتری به عنوان آموزش دهنده بیان و بخش های مختلف نوروسینتکس رو بر عهده بگیرن.
در کل هم من دارم پیر میشم و بهتره عرصه رو به جوان تر ها بسپارم.
Generalized Linear Models
Hidden Markov Models
Bayesian analysis
Information theory
در کنار اینها اگر علاقه مند هستید در نوروسینتکس آموزش بدید، پیام بدید تا برنامه ریزی کنیم.
در صورتی که علاقه مند هستید فقط یک مقاله/بحث رو ارائه بدید و نمیخواید که یک دوره کامل برگزار کنید، میتونیم برای این هم برنامه ریزی کنیم.
من بسیار خواهان این هستم که افراد بیشتری به عنوان آموزش دهنده بیان و بخش های مختلف نوروسینتکس رو بر عهده بگیرن.
در کل هم من دارم پیر میشم و بهتره عرصه رو به جوان تر ها بسپارم.
درود بر همگی دوستان و همراهان نوروسینتکس
این هفته قرار بر این بود که من FaceMap رو آموزش بدم اما هنوز فهم خودم ازش کامل نشده و شایسته نمیبینم این محتوا رو الآن آموزش بدم. جلسه ای در آینده به این اختصاص خواهم داد.
بجای این جلسه یک جلسه بحث آزاد این شنبه برگزار میکنیم که میتونیم درباره بحث پژوهش های امروز علوم اعصاب، رویکردها، محدودیتها و ... صحبت کنیم. (جلسه درباره پرسش برای اپلای و فرآیندهای مشابه نخواهد بود و تنها برای تمرکز بر روی "پژوهش در علوم اعصاب" هست.)
❗️جلسه شنبه ساعت 6:30 - پلتفرم زوم
❗️جلسه ضبط نخواهد شد.
این هفته قرار بر این بود که من FaceMap رو آموزش بدم اما هنوز فهم خودم ازش کامل نشده و شایسته نمیبینم این محتوا رو الآن آموزش بدم. جلسه ای در آینده به این اختصاص خواهم داد.
بجای این جلسه یک جلسه بحث آزاد این شنبه برگزار میکنیم که میتونیم درباره بحث پژوهش های امروز علوم اعصاب، رویکردها، محدودیتها و ... صحبت کنیم. (جلسه درباره پرسش برای اپلای و فرآیندهای مشابه نخواهد بود و تنها برای تمرکز بر روی "پژوهش در علوم اعصاب" هست.)
❗️جلسه شنبه ساعت 6:30 - پلتفرم زوم
❗️جلسه ضبط نخواهد شد.
آزمایشگاه نوروسینتکس - فصل 2 - قسمت 6 - آموزش کار با Suite2p برای پیش پردازش تصاویر کلسیمی
محتوای این جلسه:
آموزش کار با Suite2p برای پیش پردازش تصاویر کلسیمی
کانال تلگرام:
https://news.1rj.ru/str/Neuro_Syntax
محتوای این جلسه:
آموزش کار با Suite2p برای پیش پردازش تصاویر کلسیمی
کانال تلگرام:
https://news.1rj.ru/str/Neuro_Syntax
YouTube
آزمایشگاه نوروسینتکس - فصل 2 - قسمت 6 - آموزش کار با Suite2p برای پیش پردازش تصاویر کلسیمی
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.
محتوای این جلسه:
آموزش کار…
محتوای این جلسه:
آموزش کار…
Forwarded from امیررضا بهرامنی
شنبه در نوروسینتکس درباره Rastermap صحبت خواهم کرد.
یک تولباکس بسیار خوبه برای دیدن پترن در فعالیت عصبی.
درواقع میاد Raster plot رو برمیداره و جوری مرتب میکنه تا نورونهایی که فعالیتشون شبیه همه، کنار هم باشن تا پترنها بیشتر مشخص بشه.
در جلسه شنبه اول اصولش رو از مقاله زیر توضیح میدم:
https://www.nature.com/articles/s41593-024-01783-4
بعدش هم با چنتا مثال جالب، تولباکسش در پایتون رو معرفی میکنم.
اگر با دیتاهای حجیم کار میکنید بسیار پیشنهاد میکنم که شرکت کنید.
@bahramani_ch
یک تولباکس بسیار خوبه برای دیدن پترن در فعالیت عصبی.
درواقع میاد Raster plot رو برمیداره و جوری مرتب میکنه تا نورونهایی که فعالیتشون شبیه همه، کنار هم باشن تا پترنها بیشتر مشخص بشه.
در جلسه شنبه اول اصولش رو از مقاله زیر توضیح میدم:
https://www.nature.com/articles/s41593-024-01783-4
بعدش هم با چنتا مثال جالب، تولباکسش در پایتون رو معرفی میکنم.
اگر با دیتاهای حجیم کار میکنید بسیار پیشنهاد میکنم که شرکت کنید.
@bahramani_ch
Nature
Rastermap: a discovery method for neural population recordings
Nature Neuroscience - Rastermap is an analysis method for exploring dynamical and spatial relationships among hundreds to hundreds of thousands of neurons. The algorithm uses a fast optimization...
درود بر همه دوستان و همراهان نوروسینتکس
شنبه (فردا) ساعت هفت، جلسه پایانی فصل دوم آزمایشگاه نوروسینتکس رو برگزار خواهیم کرد.
محتوای جلسه: مصور کردن داده ها یکی از مهم ترین گام ها برای کشف های علمی به شمار میاد. در این جلسه با یک روش ترتیب بندی نورون ها بر مبنای همبستگی میان فعالیت آنها آشنا میشیم که به ما کمک میکنه الگوهای فعالیت در سطح جمعیت نورون ها رو بهتر ببینیم. امیررضا این روش رو آموزش خواهد داد.
شنبه (فردا) ساعت هفت، جلسه پایانی فصل دوم آزمایشگاه نوروسینتکس رو برگزار خواهیم کرد.
محتوای جلسه: مصور کردن داده ها یکی از مهم ترین گام ها برای کشف های علمی به شمار میاد. در این جلسه با یک روش ترتیب بندی نورون ها بر مبنای همبستگی میان فعالیت آنها آشنا میشیم که به ما کمک میکنه الگوهای فعالیت در سطح جمعیت نورون ها رو بهتر ببینیم. امیررضا این روش رو آموزش خواهد داد.
آزمایشگاه نوروسینتکس - فصل 2 - قسمت 7 - آموزش کار با Rastermap
یکی از دگرگونیهای بنیادین در شیوهی آناکاوی دادهها در دوران کنونی، گرایش به روشهاییست که بر بنیاد داده پیش میروند؛ یعنی روشهایی که بینیاز از گمانهزنیهای پیشینی، میتوانند الگوهای بامعنی را از دل دادهها بیرون کشیده و بررسی کنند. در این جلسه، با یکی از این روشها آشنا میشویم که برای آراستن و نمایش دادههای نورونی ساخته شده است.
مباحث این جلسه:
آشنایی با Rastermap بهعنوان روشی برای مرتبسازی نورونها بر پایهی شباهت در الگوی فعالیت آنها
پیادهسازی Rastermap بهصورت گرافیکی در رابط کاربری نرمافزار و همچنین با کدنویسی در پایتون
بررسی کاربردهای Rastermap در انواع دادههای نورونی برای کشف الگوهای پنهان
کانال تلگرام:
https://news.1rj.ru/str/Neuro_Syntax
یکی از دگرگونیهای بنیادین در شیوهی آناکاوی دادهها در دوران کنونی، گرایش به روشهاییست که بر بنیاد داده پیش میروند؛ یعنی روشهایی که بینیاز از گمانهزنیهای پیشینی، میتوانند الگوهای بامعنی را از دل دادهها بیرون کشیده و بررسی کنند. در این جلسه، با یکی از این روشها آشنا میشویم که برای آراستن و نمایش دادههای نورونی ساخته شده است.
مباحث این جلسه:
آشنایی با Rastermap بهعنوان روشی برای مرتبسازی نورونها بر پایهی شباهت در الگوی فعالیت آنها
پیادهسازی Rastermap بهصورت گرافیکی در رابط کاربری نرمافزار و همچنین با کدنویسی در پایتون
بررسی کاربردهای Rastermap در انواع دادههای نورونی برای کشف الگوهای پنهان
کانال تلگرام:
https://news.1rj.ru/str/Neuro_Syntax
YouTube
آزمایشگاه نوروسینتکس - فصل 2 - قسمت 7 - آموزش کار با Rastermap
یکی از دگرگونیهای بنیادین در شیوهی آناکاوی دادهها در دوران کنونی، گرایش به روشهاییست که بر بنیاد داده پیش میروند؛ یعنی روشهایی که بینیاز از گمانهزنیهای پیشینی، میتوانند الگوهای بامعنی را از دل دادهها بیرون کشیده و بررسی کنند. در این جلسه، با یکی…
NeuroSyntax
Photo
درود بر همگی دوستان و همراهان نوروسینتکس
با ارائه Rastermap جلسه های فصل دوم آزمایشگاه نوروسینتکس به پایان رسید. بر مبنای نظرسنجی هایی که شد در فصل سوم به سراغ Generalized Linear Models خواهیم رفت که در علوم اعصاب برای کاربردهای گوناگونی به کار گرفته شده است و یک رویکرد خطی قدرتمند برای Decoding به حساب میاد. با توجه به اینکه این بحث در نورومچ هم پیشتر ارائه شده، در نوروسینتکس کوشش خواهیم کرد بر محتوای نورومچ بیافزاییم و کاربردهای گسترده تری از GLM ها را بررسی کنیم.
تغییری که در این فصل انجام میشه اینکه بجای اینکه روی یک مقاله تمرکز کنیم، روی یک خانواده از متدهای ریاضیاتی (GLM) تمرکز خواهیم کرد و مقالات مرتبط بسیاری را بررسی میکنیم. محتوای این فصل این گونه خواهد بود:
- آشنایی با ریاضیات Generalized Linear Models (انواع گوناگونی از رگرسیون ها را میتوان در این مدلها جای داد)
- بررسی کاربرد های GLM در تفسیر های گوناگون (decoding، functional connections between neurons، behavioral modeling , ...)
- بررسی تولباکس های پایتون (و شاید متلب) برای طراحی GLM ها و انجام انواع تست های آماری روی آنها
- بررسی پیش فرض ها و محدودیت های GLM
اگر در حوزه های علوم زیستی، علوم اعصاب، رفتار، روانشناسی، شناختی و مهندسی پژوهش میکنید این دوره برای شما مفید خواهد بود.
با نوروسینتکس کامروا شوید 😎
کانال تلگرام:
https://news.1rj.ru/str/Neuro_Syntax
با ارائه Rastermap جلسه های فصل دوم آزمایشگاه نوروسینتکس به پایان رسید. بر مبنای نظرسنجی هایی که شد در فصل سوم به سراغ Generalized Linear Models خواهیم رفت که در علوم اعصاب برای کاربردهای گوناگونی به کار گرفته شده است و یک رویکرد خطی قدرتمند برای Decoding به حساب میاد. با توجه به اینکه این بحث در نورومچ هم پیشتر ارائه شده، در نوروسینتکس کوشش خواهیم کرد بر محتوای نورومچ بیافزاییم و کاربردهای گسترده تری از GLM ها را بررسی کنیم.
تغییری که در این فصل انجام میشه اینکه بجای اینکه روی یک مقاله تمرکز کنیم، روی یک خانواده از متدهای ریاضیاتی (GLM) تمرکز خواهیم کرد و مقالات مرتبط بسیاری را بررسی میکنیم. محتوای این فصل این گونه خواهد بود:
- آشنایی با ریاضیات Generalized Linear Models (انواع گوناگونی از رگرسیون ها را میتوان در این مدلها جای داد)
- بررسی کاربرد های GLM در تفسیر های گوناگون (decoding، functional connections between neurons، behavioral modeling , ...)
- بررسی تولباکس های پایتون (و شاید متلب) برای طراحی GLM ها و انجام انواع تست های آماری روی آنها
- بررسی پیش فرض ها و محدودیت های GLM
اگر در حوزه های علوم زیستی، علوم اعصاب، رفتار، روانشناسی، شناختی و مهندسی پژوهش میکنید این دوره برای شما مفید خواهد بود.
با نوروسینتکس کامروا شوید 😎
کانال تلگرام:
https://news.1rj.ru/str/Neuro_Syntax
NeuroSyntax pinned «آزمایشگاه نوروسینتکس - فصل 2 - قسمت 7 - آموزش کار با Rastermap یکی از دگرگونیهای بنیادین در شیوهی آناکاوی دادهها در دوران کنونی، گرایش به روشهاییست که بر بنیاد داده پیش میروند؛ یعنی روشهایی که بینیاز از گمانهزنیهای پیشینی، میتوانند الگوهای بامعنی…»
برای بسیاری از محتوایی که در فصل دوم ارائه شد تیم Carsen Stringer و Marius Pachiţariu ویدیو آموزشی تهیه کردن. در زیر لیستی از این ویدیوهای آموزشی رو پیدا میکنید:
⚡️Kilosort
2020 Lecture 2.03 - Spike sorting with Kilosort - Marius Pachitariu (HHMI)
2021 Lecture 2.2 - Spike sorting with Kilosort - Marius Pachitariu (HHMI)
2020 Lecture 2.04 - Using the Kilosort GUI - Nick Steinmetz (UW)
2021 Lecture 2.4 - Curating sorted spikes with Phy - Nick Steinmetz (UW)
Downloading Kilosort4 and the Generated User Interface (GUI)
KiloSort
🔬Suite2p
lecture1 suite2p
lecture2 suite2p
example data runthrough
Cellpose and Suite2p
suite2p and NWB
suite2P: a fast and accurate pipeline for automatically processing functional imaging recordings
Carsen Stringer "Cellpose & Suite2p: anatomical and functional algorithms for cellular segmentation"
🐭 Facemap
Facemap tutorial (Syeda et al 2023)
🧠 Rastermap
Rastermap: An embedding algorithm for interpreting high-dimensional neural activity
Rastermap: a discovery method for neural population recordings
Carsen Stringer - Rastermap: Extractingstructure from high-dimensional neuraldata
Carsen Stinger - Rastermap: Extracting structure from high dimensional neural data - Oct 25, 21
Nilearn Dev Days 2020 - Scientific day, Carsen Stringer
کانال تلگرام:
https://news.1rj.ru/str/Neuro_Syntax
⚡️Kilosort
2020 Lecture 2.03 - Spike sorting with Kilosort - Marius Pachitariu (HHMI)
2021 Lecture 2.2 - Spike sorting with Kilosort - Marius Pachitariu (HHMI)
2020 Lecture 2.04 - Using the Kilosort GUI - Nick Steinmetz (UW)
2021 Lecture 2.4 - Curating sorted spikes with Phy - Nick Steinmetz (UW)
Downloading Kilosort4 and the Generated User Interface (GUI)
KiloSort
🔬Suite2p
lecture1 suite2p
lecture2 suite2p
example data runthrough
Cellpose and Suite2p
suite2p and NWB
suite2P: a fast and accurate pipeline for automatically processing functional imaging recordings
Carsen Stringer "Cellpose & Suite2p: anatomical and functional algorithms for cellular segmentation"
🐭 Facemap
Facemap tutorial (Syeda et al 2023)
🧠 Rastermap
Rastermap: An embedding algorithm for interpreting high-dimensional neural activity
Rastermap: a discovery method for neural population recordings
Carsen Stringer - Rastermap: Extractingstructure from high-dimensional neuraldata
Carsen Stinger - Rastermap: Extracting structure from high dimensional neural data - Oct 25, 21
Nilearn Dev Days 2020 - Scientific day, Carsen Stringer
کانال تلگرام:
https://news.1rj.ru/str/Neuro_Syntax
YouTube
2020 Lecture 2.03 - Spike sorting with Kilosort - Marius Pachitariu (HHMI)
2020 UCL Neuropixels Course
https://www.ucl.ac.uk/neuropixels/training/2020-neuropixels-course
https://www.ucl.ac.uk/neuropixels/training/2020-neuropixels-course
کجا مشغول تحصیل/پژوهش هستید؟
Anonymous Poll
83%
ایران
0%
آسیا (بجز ایران)
7%
اروپا
4%
ایالات متحده آمریکا
2%
کانادا
0%
استرالیا-نیوزیلند
0%
آفریقا
0%
آمریکای جنوبی
2%
دیگر
NeuroSyntax
Photo
درود بر دوستان و همراهان نوروسینتکس،
در روزهای گذشته دربارهی شیوهی برگزاری نشستهای «مدلهای خطی تعمیمیافته» (Generalized Linear Models) فکر کردم. با توجه به اینکه این خانواده از روشها در تحلیلهای آماری گوناگون بسیار کاربرد دارند، تصمیم گرفتم دورهای جامع برای اون برگزار کنم.
ساختار این دوره همانند نشستهای پیشین (مانند Matrix Factorization یا Brain Dynamics) خواهد بود: نخست پیشنیازهای ریاضیاتی موضوع بررسی میشود و سپس به کاربرد این بنیانها در پژوهشهای علوم اعصاب میپردازیم. برای درک بهتر مفاهیم ریاضی مدلهای خطی، از دو کتابی که در این یادداشت معرفی شدهاند بهره خواهیم برد. در بخشهای علمیـکاربردی نیز، بسته به موضوع هر نشست، نمونههای گوناگونی از علوم اعصاب بررسی خواهیم کرد.
با اینکه همواره کوشش میکنم هر دوره رو از پایه آغاز کنم، پیشنهاد میکنم اگر فرصت دارید، چند نشست آغازین از مجموعهی تجزیهی ماتریس ها (بهویژه قسمت ۱ تا ۴) را مرور کنید تا با فضای جبر خطی بیشتر آشنا شوید.
ویژگیهای دوره:
تعداد نشستها: ۷ تا ۱۰ نشست
روز برگزاری: شنبهها (زمان دقیق از راه رأیگیری تعیین خواهد شد)
شیوهی برگزاری: برخط (آنلاین) - در بستر زوم
همکاری در برگزاری:
اگر علاقهمند به همکاری در برگزاری این دوره هستید، خوشحال میشم پیام بفرستید. پیش از اون، لطفاً به نکات زیر توجه داشته باشید:
- اگر مایل به همکاری در بخشهای ریاضی هستید، بهتر است دانشآموختهی رشتههای ریاضی، فیزیک یا مهندسی باشید، یا تجربهی کافی در آموزش مفاهیم ریاضی داشته باشید.
- برای همکاری در طراحی کدها، آشنایی با زبان برنامهنویسی پایتون ضروریست.
در روزهای گذشته دربارهی شیوهی برگزاری نشستهای «مدلهای خطی تعمیمیافته» (Generalized Linear Models) فکر کردم. با توجه به اینکه این خانواده از روشها در تحلیلهای آماری گوناگون بسیار کاربرد دارند، تصمیم گرفتم دورهای جامع برای اون برگزار کنم.
ساختار این دوره همانند نشستهای پیشین (مانند Matrix Factorization یا Brain Dynamics) خواهد بود: نخست پیشنیازهای ریاضیاتی موضوع بررسی میشود و سپس به کاربرد این بنیانها در پژوهشهای علوم اعصاب میپردازیم. برای درک بهتر مفاهیم ریاضی مدلهای خطی، از دو کتابی که در این یادداشت معرفی شدهاند بهره خواهیم برد. در بخشهای علمیـکاربردی نیز، بسته به موضوع هر نشست، نمونههای گوناگونی از علوم اعصاب بررسی خواهیم کرد.
با اینکه همواره کوشش میکنم هر دوره رو از پایه آغاز کنم، پیشنهاد میکنم اگر فرصت دارید، چند نشست آغازین از مجموعهی تجزیهی ماتریس ها (بهویژه قسمت ۱ تا ۴) را مرور کنید تا با فضای جبر خطی بیشتر آشنا شوید.
ویژگیهای دوره:
تعداد نشستها: ۷ تا ۱۰ نشست
روز برگزاری: شنبهها (زمان دقیق از راه رأیگیری تعیین خواهد شد)
شیوهی برگزاری: برخط (آنلاین) - در بستر زوم
همکاری در برگزاری:
اگر علاقهمند به همکاری در برگزاری این دوره هستید، خوشحال میشم پیام بفرستید. پیش از اون، لطفاً به نکات زیر توجه داشته باشید:
- اگر مایل به همکاری در بخشهای ریاضی هستید، بهتر است دانشآموختهی رشتههای ریاضی، فیزیک یا مهندسی باشید، یا تجربهی کافی در آموزش مفاهیم ریاضی داشته باشید.
- برای همکاری در طراحی کدها، آشنایی با زبان برنامهنویسی پایتون ضروریست.