Onlinebme – Telegram
Onlinebme
4.88K subscribers
1.54K photos
603 videos
367 files
747 links
آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
ارائه‌دهنده‌ی پکیجهای آموزشی پروژه محور:
برنامه‌نویسی متلب-پایتون
شناسایی الگو
یادگیری ماشین
شبکه‌های عصبی
واسط مغز-کامپیوتر
پردازش تصویر-سیگنالهای حیاتی

تماس👇
09360382687
@onlineBME_admin

www.onlinebme.com
Download Telegram
از آنجا که یه سری سوالات زیاد مطرح شد، باید بگم که هدف اینه دوستان صفر تا صد برنامه‌نویسی در پایتون رو یاد بگیرند

قصد دارم هفته ای دو جلسه سه ساعته داشته باشیم

حدودا بین دو تا سه ساعت مبحثی آموزش داده خواهد شد
بعدش یک ساعت و یا اگه نیاز شد بیشتر، با بچه ها کار خواهیم کرد

میتونه رفع اشکال باشه و یا حل مثالهای بیشتر جهت یادگیری کامل مباحث
(جلسات رفع اشکال جزء مدت زمان دوره حساب نخواهد شد )
💡در آخر دوره ویدیوی جلسات هم در اختیار شرکت کنندگان قرار خواهد گرفت

🔺دوره عمومی هست. و هیچ پیش نیازی هم نداره. از صفر تا صد رو کنار هم کار خواهیم کرد

هدف اصلیم اینه که تمرین و مثال زیاد کار کنیم تا شرکت کنندگان بعد دوره هیچ مشکلی در برنامه‌نویسی پایتون نداشته باشند

برای همین، بعد هر جلسه یک تا دو ساعت هم جدا کنار هم خواهیم بود تا مثالها رو همه انجام بدهند

علاوه بر مثالها، برای مبحث هر جلسه هم چندین تمرین طرح می‌شود که در طول هفته انجام دهند.

در اول یا آخر جلسات بعدی تمرینات رو خودم یبار انجام خواهد داد.

بعد از امتحانات دوره برگزار خواهد شد
👍16🙏6👏2
Onlinebme pinned a photo
هنر و هوش مصنوعی
ما به دلایل متعددی به هنر روی می آوریم: برای بیان عاطفه یا احساس، برای یادآوری رویدادها و احساسات گذشته، برای ارتباط برقرار کردن و برای تحصیل. به طور خلاصه، هنر چیزی است که خلق می‌کنیم تا بدانیم چه کسی هستیم. ارتباطی فراتر از کلمات. می‌توانیم احساسی را به تصویر بکشیم و آن احساس را در دیگری نیز بوجود آوریم و دیدگاه او را تحت تأثیر قرار دهیم. از خلاقیت و احساسات خود کمک می‌گیریم تا اثر هنری خلق کنیم. امروزه، می‌توانیم ابتدا به هوش مصنوعی آموزش دهیم تا هنر ما را درک کند و سپس بتواند اثر هنری خود را خلق کند.

⭕️ جزئیات بیشتر 👇👇
https://onlinebme.com/ai-and-art/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
This media is not supported in your browser
VIEW IN TELEGRAM
تاثیر نوشتن
جردن پیترسون
LinkedIn: Fatemeh dadashi

@onlinebme
👍32
شبکه AlexNet: معماری که CNNها را به چالش کشید

سال‌ها پیش، ما هنوز از دیتاست‌های کوچکی مثل CIFAR, NORB استفاده می‌کردیم که متشکل از ده‌ها هزار تصویر بودند. این دیتاست‌ها برای مدل‌های یادگیری ماشین مناسب بودند تا تسک‌های تشخیص ساده را یاد بگیرند. با این حال، زندگی واقعی هرگز ساده نیست و متغیرهای بسیار بیشتری نسبت به آنچه در این دیتاست‌های کوچک یافت می‌شود، دارد. در دسترس بودن دیتاست‌های بزرگ مانند ImageNet که از صدها هزار تا میلیون‌ها تصاویر برچسب گذاری شده تشکیل شده‌اند، نیاز به یک مدل یادگیری عمیق بسیار توانمند را افزایش داده است. پس Alexnet معرفی شد.

⭕️ جزئیات بیشتر 👇
https://onlinebme.com/alexnetn/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
👍71
انواع مختلف یادگیری در یادگیری ماشین

با توجه به اینکه تمرکز اصلی حوزه‌ی یادگیری ماشین «یادگیری» است، انواع مختلف یادگیری وجود دارد که باید به عنوان متخصص به آنها مسلط باشیم. برخی از انواع یادگیری، زیرمجموعه‌هایی دارند که شامل انواع مختلف الگوریتم‌هاست مانند «یادگیری با ناظر». برخی دیگر از انواع یادگیری، آنهایی هستند که می‌توانید در پروژه‌های خود استفاده کنید مانند «یادگیری انتقالی». در این پست چندمورد از انواع یادگیری را در حوزه‌ی یادگیری ماشین مورد بررسی قرار می‌دهیم.

|| pdf
⭕️جزئیات بیشتر 👇
https://onlinebme.com/type-of-learning-methods-in-machine-learning/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
👍6
شروع کار با یادگیری عمیق: 5 موردی که باید بدانید

می‌خواهید حرفه‌ی یادگیری عمیق خود را آغاز کنید؟ یادگیری عمیق می‌تواند یک حوزه‌ی پیچیده و دلهره آور برای تازه واردان باشد. مفاهیمی مانند لایه‌های پنهان، شبکه‌های عصبی کانولوشنال، پس انتشار خطا و مسائل جدیدی که هر روزه مطرح می‌شوند و شما که سعی می‌کنید تمامی موضوعات یادگیری عمیق را درک کنید. این آسان نیست- به خصوص اگر یک مسیر یادگیری بدون ساختار را انتخاب کنید و ابتدا مفاهیم اساسی که باید بیاموزید را پوشش ندهید. آن وقت مانند یک توریست خواهید بود که بدون نقشه در یک شهر خارجی سردرگم شده است! اما خبر خوب این است که برای درک یادگیری عمیق نیاز به مدرک پیشرفته یا دکترا ندارید. برای یادگیری و تسلط بر یادگیری عمیق، مفاهیم کلیدی و خاصی وجود دارند که قبل از اینکه وارد دنیای یادگیری عمیق شوید باید آنها را یاد بگیرید و به خوبی به آنها مسلط باشید. در این پست این پنج مورد مهم را به اختصار توضیح می‌دهیم.
|| PDF
⭕️ جزئیات بیشتر 👇
https://onlinebme.com/the-five-essentials-for-starting-your-deep-learning-journey/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
👍32
This media is not supported in your browser
VIEW IN TELEGRAM
🫀گردش خون در قلب👌
@onlinebme
5👍2😁2
🫀آناتومی قلب انسان و سیستم گردش خون

روزانه، قبل انسان به طور میانگین 100 هزار بار نبض میزند و حدودا 2000 گالن خون در بدن پمپاژ می‌کند. برای یک اندامی که بزرگتر از یک مشت دست نیست و وزنی حدود 8-12 اونس دارد بسیار زیاد است. در واقع قلب انسان، بیشتر از هر عضله ی دیگه ای کار فیزیکی در طول عمر ما انجام میدهد. قلب که بین ریه‌ها، در وسط قفسه سینه (متمایل به سمت چپ) قرار دارد، خون را از طریق شبکه ای از شریان‌ها و سیاهرگ‌ها به نام سیستم قلبی عروقی پمپ می‌کند.
|| PDF
⭕️ جزئیات بیشتر 👇
https://onlinebme.com/circulatory-system-anatomy-and-function/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
👍7
Forwarded from Onlinebme
This media is not supported in your browser
VIEW IN TELEGRAM
روز مهندس مبارک...❤️

@onlinebme
7👍1🥰1
کدام مهم‌تر است؛ دانش حل مسئله یا دانستن زبان برنامه نویسی؟

دانش حل مسئله مهم‌تر است یا مهارت در برنامه نویسی؟ این پرسش از سال‌ها قبل مطرح شد و هنوز هم یک چالش مهم و عمده به حساب می‌آید. می‌توان گفت حل مسائل، عنصر مرکزی در علوم کامپیوتر است. برنامه نویسان باید در ابتدا بفهمند که یک فرد، مسئله را چطور حل می‌کند و سپس بدانند که چطور این «الگوریتم» را به چیزی تبدیل کنند که کامپیوتر بفهمد و در نهایت چطور یک syntax خاص بنویسند. گاهی اوقات، روند حل مسئله توسط ماشین کاملاً متفاوت با انسان است.

⭕️ جزئیات بیشتر 👇
https://onlinebme.com/which-is-more-critical-problem-solving-or-programming-language-knowledge/

🏢 آکادمی آنلاين مهندسی پزشکی و هوش مصنوعی
@onlinebme
👍41
Forwarded from Onlinebme
پکیجهای آموزشی onlinebme
⚠️اولین گروه آموزشیِ تخصصی و پروژه محور


⭕️⭕️ اصول برنامه‌نویسی در متلب (رایگان)
مدت دوره: 11 ساعت

🌀 https://onlinebme.com/course/matlab/


⭕️⭕️ پیاده سازی گام به گام شبکه های عصبی
مدت دوره: 25 ساعت

🌀 https://onlinebme.com/product/neural-networks-package/

⭕️⭕️ دوره جامع و پروژه محور شبکه عصبی کانولوشنی (CNN)
مدت زمان دوره: 11 ساعت

🌀https://onlinebme.com/product/convolutional-neural-network/

⭕️⭕️ دوره جامع و پروژه محور شبکه عصبی بازگشتی (RNN)
مدت زمان دوره: 13 ساعت

🌀https://onlinebme.com/product/recurrent-neural-network/


دوره های تخصصی و پروژه محور پردازش سیگنال EEG

⭕️⭕️ دوره جامع پردازش سیگنال مغزی(EEG)
مدت دوره: 50 ساعت

🌀 https://onlinebme.com/product/eeg-signal-processing/

⭕️⭕️ واسط مغز و کامپیوتر مبتنی بر P300
مدت دوره: 28 ساعت

🌀https://onlinebme.com/product/p300-based-brain-computer-interface-speller/

⭕️⭕️ واسط مغز و کامپیوتر مبتنی بر SSVEP
مدت دوره: 33 ساعت

🌀https://onlinebme.com/product/bci_ssvep/

⭕️⭕️ پردازش سیگنال مغزی(EEG) مبتنی بر تسک تصور حرکتی (BCI)
مدت دوره: 21 ساعت

🌀 https://onlinebme.com/product/brain-computer-interface-package-motorimagery/

⭕️⭕️ پیاده سازی مقاله CSSP (واسط مغز-کامپیوتر مبتنی بر تصورحرکتی)
مدت دوره: 7 ساعت و 30 دقیقه

🌀https://onlinebme.com/product/common-spetio-spectral-patterns

⭕️⭕️ پیاده سازی مقاله RCSP (واسط مغز-کامپیوتر مبتنی بر تصورحرکتی)
مدت دوره: 5 ساعت

🌀 https://onlinebme.com/product/regularized-common-spatial-patterns


⭕️⭕️دوره تبدیل فوریه زمان کوتاه در پردازش سیگنال مغزی(eeg)
مدت دوره: 8 ساعت

🌀https://onlinebme.com/product/short-time-fourier-transform-and-eeg/


دوره شناسایی الگو و یادگیری ماشین (اولین دوره جامع و تخصصی در ایران)
⚠️ 140 ساعت ویدیوی آموزشی

🔹آموزش تئوری و مباحث ریاضیاتی طبق مراجع معتبر
🔹پیاده‌سازی مرحله به مرحله الگوریتمها
🔹انجام پروژه های عملی و تخصصی
🔹پیاده سازی گام به گام مقالات تخصصی


🟣▪️پترن و یادگیری ماشین (فصل یک تا 4): از بیزین تا SVM
مدت دوره: 75 ساعت

🌀 https://onlinebme.com/product/season-1-4-packages-pattern-recognition/

🔵▪️پترن و یادگیری ماشین (فصل 5): یادگیری جمعی (Ensemble learning)
مدت دوره: 18 ساعت

🌀 https://onlinebme.com/product/ensemble-learning/

🟢▪️پترن و یادگیری ماشین (فصل 6): کاهش بعد (dimensionality reduction)
مدت دوره: 11 ساعت

🌀 https://onlinebme.com/product/dimension-reduction-using-lda-pca/

🔴▪️پترن و یادگیری ماشین (فصل 7): انتخاب ویژگی (feature selection)
مدت دوره: 16 ساعت

🌀https://onlinebme.com/product/season07-featrue-selection/


🟠▪️پترن و یادگیری ماشین (فصل 8):خوشه بندی ( clustering)
مدت دوره: 13 ساعت

🌀https://onlinebme.com/product/pattern-season08-clustering/


دوره جامع پردازش تصویر

🟠فصل اول: مباحث مقدماتی، آستانه گذاری تصویر، تبدیلات شدت روشنایی و هندسی
مدت دوره: 30 ساعت

🌀https://onlinebme.com/product/image-processing-chapter1

🔵فصل دوم: پردازش هیستوگرام تصویر
مدت دوره : 6 ساعت و 30 دقیقه

🌀https://onlinebme.com/product/image-prcessing-chapter2

🟠فصل سوم: فیلترهای مکانی
مدت دوره : 15 ساعت و 30 دقیقه

🌀https://onlinebme.com/product/spatial-filters-in-image-processing/

🔵فصل چهارم: عملیات مورفورلوژی
مدت دوره : 6 ساعت

🌀https://onlinebme.com/product/morphological-operations-in-image-processing/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
👍15🔥41👌1
This media is not supported in your browser
VIEW IN TELEGRAM
سلام، وقت همگی بخیر
دوره پایتون شروع شده است و ویدیوی جلسات ضبط و ادیت می‌شوند.

از اونجا که یه سری دوستان پیگیر این دوره هستند خواستم اطلاع بدم ویدیوهای دوره پایتون بعد از دو یا سه ماه دیگر در سایت قرار خواهد گرفت.

دوستانی که مایل هستند ویدیوهای جلسات رو هر هفته دریافت کنند میتونند به آیدی زیر جهت هماهنگی پیام دهند.
@onlinebme_admin
👌7
4_5796220883219517236.pdf
570.8 KB
دوره پایتون
📝تمرینات فصل اول: جلسه چهارم

دوستانی که در دوره پایتون شرکت کرده اند لطفا کد تمرینات رو در فایل زیپ قرار داده به ایمیل زیر ارسال کنند🙏
M.norizadeh1369@gmail.com
🔥41
دوره جامع و پروژه محور کاربرد شبکه های عمیق در بینایی ماشین

بینایی ماشین (machine Vision) تکنولوژی و روش‌هایی برای تحلیل و بررسی خودکار مبتنی بر تصویر است. این حوزه شامل تمام متدهایی می‌شود که اطلاعات به صورت خودکار از تصویر استخراج می‌شوند. این دوره پروژه محور بر تسک‌های مهم در بینایی ماشین و شبکه‌های معروف عمیق برای انجام این تسک ها تمرکز کرده است.
تسک‌هایی چون کلاسبندی باینری و چندکلاسه تصاویر با شبکه های کانولوشنی و رگرسیون و Object detection و Semantic Segmentation.
ابتدا مقدمه‌ای از تسک های مختلف بینایی ماشین بیان می شوند و سپس پروژه‌های مختلف برای دیتاست های custom, benchmark انجام می‌شوند.

👩‍🏫مدرس: هما کاشفی
🕘مدت زمان دوره: 16 ساعت
🗂محتوای دوره: ویدیوهای آموزشی، جزوه، مقالات شبکه‌های پیاده‌سازی شده، کدهای پیاده‌سازی شده برای پروژه‌های عملی

جزئیات بیشتر👇
https://onlinebme.com/product/deep-learning-in-machine-vision/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme
👍75
Onlinebme pinned a photo
سال نو مبارک باشه عزیزان
امیدوارم سال جدید سال خوبی براتون باشه
از صمیم قلب آرزو میکنم همیشه تنتون سالم و روانتون آرام باشه🌿❤️
ممنونم از اینکه کنارمون هستید 🙏

محمد نوری زاده چرلو
24👏5👍3👎3