درود بر همه دوستان،

نخستین جلسه دوره Generalized Linear Models امروز (یکشنبه) ساعت ۱۹:۰۰ برگزار خواهد شد.

در این جلسه ابتدا درباره‌ی اهمیت توزیع‌های احتمالی صحبت می‌کنیم و می‌بینیم چگونه این توزیع‌ها به ما کمک می‌کنند جهان اطراف‌مان را مدل‌سازی کنیم. سپس وارد بحث مدل‌سازی آماری می‌شویم و اجزای اصلی آن را مرور می‌کنیم.

در ادامه، با رگرسیون خطی آشنا می‌شویم: از نوشتن مدل گرفته تا بهینه‌سازی پارامترها. همچنین دو روش مهم Least Squares و Maximum Likelihood را معرفی و مقایسه خواهیم کرد. در پایان جلسه، درک روشنی از چیستی رگرسیون خطی و چگونگی عملکرد آن خواهید داشت.

❕این مجموعه جلسات برای تمام علاقه‌مندان به آمار، مدل‌سازی و یادگیری ماشین مفید است. اگرچه مثال‌ها بیشتر از حوزه‌ی علوم اعصاب انتخاب شده‌اند، مفاهیم پایه در همه حوزه‌ها یکسان هستند.

❗️با توجه به اینکه بسیاری از روش‌های نوین آزمون فرضیه بر پایه‌ی مدل‌سازی خطی طراحی شده‌اند، حتی اگر مستقیماً به مدل‌سازی علاقه‌مند نیستید، این دوره می‌تواند در تحلیل آماری داده‌ها برای شما بسیار سودمند باشد.

#neurosyntax

مدل های خطی تعمیم یافته - قسمت اول - Generalized Linear Models

در این جلسه ابتدا درباره‌ی اهمیت توزیع‌های احتمالی صحبت می‌کنیم و می‌بینیم چگونه این توزیع‌ها به ما کمک می‌کنند جهان اطراف‌مان را مدل‌سازی کنیم. سپس وارد بحث مدل‌سازی آماری می‌شویم و اجزای اصلی آن را مرور می‌کنیم.

در ادامه، با رگرسیون خطی آشنا می‌شویم: از نوشتن مدل گرفته تا بهینه‌سازی پارامترها. همچنین دو روش مهم Least Squares و Maximum Likelihood را معرفی و مقایسه خواهیم کرد. در پایان جلسه، درک روشنی از چیستی رگرسیون خطی و چگونگی عملکرد آن خواهید داشت.

❕این مجموعه جلسات برای تمام علاقه‌مندان به آمار، مدل‌سازی و یادگیری ماشین مفید است. اگرچه مثال‌ها بیشتر از حوزه‌ی علوم اعصاب انتخاب شده‌اند، مفاهیم پایه در همه حوزه‌ها یکسان هستند.

❗️با توجه به اینکه بسیاری از روش‌های نوین آزمون فرضیه بر پایه‌ی مدل‌سازی خطی طراحی شده‌اند، حتی اگر مستقیماً به مدل‌سازی علاقه‌مند نیستید، این دوره می‌تواند در تحلیل آماری داده‌ها برای شما بسیار سودمند باشد.

در جلسه پیش‌روی کارگاه GLM به بررسی موضوعات زیر می‌پردازیم:

🔹 رگرسیون خطی در فضاهای با ابعاد بالا (High-dimensional linear regression)
🔹 آشنایی با تخمین Least Squares در این فضاها و نحوه انجام عملیات جبری آن
🔹 بحث کامل‌تر در مورد Maximum Likelihood همراه با حل چند مثال دستی برای درک بهتر این روش
🔹 پیاده‌سازی رگرسیون خطی در پایتون و انجام یک تمرین مرتبط


پیش‌نیاز پیشنهادی برای آمادگی بهتر در جلسه:

🔸 جلسه ۱ و ۲ کارگاه Matrix Decomposition (مبانی جبر خطی)

🔸 از دقیقه 1:35:19 جلسه هفتم همان کارگاه (موضوع: بهینه‌سازی)

درود

جلسه این هفته "شنبه ساعت 6" برگزار خواهد شد.

** من بعد از ظهر باید برم آزمایشگاه

دومین نشست دوره Generalized Linear Models

محتوای این جلسه:

بررسی فلسفه های گوناگون مدلسازی از داده
تعمیم مدل های خطی ساده به داده های با ابعاد بالاتر
حل نمونه از رگرسیون خطی ساده در پایتون
حل نمونه دستی از Maximum Likelihood Estimation
بررسی نمونه هایی از کاربردهای مدلهای خطی در علوم اعصاب

کانال یوتیوب نوروسینتکس

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

برای کسانی که کانال یوتیوب رو دنبال میکنید (مستقیم یا غیر مستقیم)، خواهشمندم که ویدیوها رو یا لایک کنید و یا کامنت بذارید. بخصوص میتونید پرسش های خودتون رو بجای تلگرام در یوتیوب بپرسید. اینطوری آمار کانال بهتر میشه و محتوای کانال احتمالا گسترش بهتری خواهد داشت. مهم تر از همه اینکه انرژی بخش هست برای من که ببینم شما محتوا رو دنبال میکنید.

خواهشمندم اگر کامنت میذارید، فقط تشکر نباشه. کمی توضیح بدید که مثلا 1) آیا از این آموزش ها در کارتون دارید استفاده میکنید؟ 2) آیا روش انتقال محتوا به خوبی انجام میشه؟ 3) چه بخش هایی رو درست متوجه نشدید؟ 4) به طور کلی پرسش ها، پیشنهادات و انتقادات خودتون رو در زیر ویدیوها کامنت کنید.

در انتها اگر محتوای کانال رو دنبال میکنید حتما خود کانال رو هم Subscribe کنید.

یوتیوب تمام این آنالیزهای داده رو به من نشون میده و من اینطوری بهتر میفهمم بازخورد هر ویدیو چطور بوده و چه محتوایی بیشتر بازدید داشته و ...

اولین موجود زنده چطور به وجود اومد؟

در اپیزود چهارم لبه آشوب، پوریا آزادی به من میگه حیات چیه، چطور به وجود اومده، نقش روح چیه، چند مدل روح داریم، و بستری فیزیکی که پدید اومدن حیات رو ممکن کرده چه بستری بوده.

این کانال آرشام غواصیه، پژوهشگر پسادکتری ساکن آمریکاست. مصاحبه‌های جنجالی علمی داریم، با سبکی جذاب منحصر بفرد. همینطور آموزش تفکر مبتنی بر پیچیدگی رو در برنامه داریم که به زودی شروع می‌کنیم.

کانال تلگرام آرشام غواصیه: @Physics_Daily
کانال تلگرام پوریا آزادی: @The_maze2022
کانال یوتوب پوریا آزادی: @TheMaze2022

از این تانکر آبی که آرشام آورده سر جلسه مشخصه که هم جلسه مهمه و هم طولانی و باید گوش کرد. پوریا هم بک گراندش رو با این بطری آب آرشام ست کرده. اینا همش نشانه است که باید بشینید پای این نشست.

رسول هم یک مجموعه پرسش در ابتدای جلسه طرح میکنه و بعدش تصویر پوریا رو در قابی که گذاشتم نشون میدن. پوریا با حالتی ناچار میگه من خودمم پاسخ اینها رو نمیدونم و نمیدونم چرا به جلسه دعوت شدم ولی خب دیگه دعوت شده و باید پاسخ بده.

دیتاست IBL می‌تونه بسیار براتون مفید باشه.
طی یکی دو ماه آینده در IPM هم به‌صورت حضوری این مطالب رو خواهم گفت (زمانش و اینا معلوم بشه میذارم).

فعلا این تاک Carandini رو ببینید تا با این دیتاست کمی آشنا بشید.

https://youtu.be/Nbw4IoRpWjM?si=C4CKE3hEb9nvvbdv

@bahramani_ch