✅ درک مفهوم AUC ROC

نویسنده: هما کاشفی امیری

✍️معیارهای ROC و AUC استانداردهای طلایی برای ارزیابی اثربخشی کلاسبندی هستند. در این مقاله می‌خواهیم به طور شهودی این مفاهیم را درک کنیم.

جزییات بیشتر:
https://onlinebme.com/aucroc-curve/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

⬛️◼️◾️ پکیجهای آموزشی Onlinebme ◾️◼️⬛️

🔆 اولین گروه آموزشیِ تخصصی و پروژه محور 🔆


〰〰〰〰〰 برنامه‌نویسی متلب 〰〰〰〰〰

🔲 اصول برنامه‌نویسی در متلب (رایگان)
▪️مدت دوره: 11 ساعت
🔘 Link


〰〰〰〰〰 برنامه‌نویسی پایتون  〰〰〰〰〰

⚪️ فصل 1: اصول برنامه‌نویسی پایتون 
◽️مدت دوره: 32 ساعت
🔘 Link
⚪️ فصل 2-3: کتابخانه NumPy و Matplotlib
◽️مدت دوره: 18 ساعت
🔘 Link
⚪️ فصل 4: برنامه نویسی شیء گرا در پایتون
◽️مدت دوره: 14 ساعت 30 دقیقه
🔘 Link


〰〰〰 شناسایی الگو و یادگیری ماشین 〰〰〰

⚠️ 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
 
⚪️فصل 1 تا 4: از بیزین تا SVM
◽️مدت دوره: 75 ساعت
🔘 Link
⚪️فصل 5: یادگیری جمعی
◽️مدت دوره: 18 ساعت
🔘 Link
⚪️فصل 6: الگوریتم‌های کاهش بعد
◽️مدت دوره: 11 ساعت
🔘 Link
⚪️فصل 7:  الگوریتم‌های انتخاب ویژگی
◽️مدت دوره: 16 ساعت
🔘 Link
⚪️فصل 8: الگوریتم‌های خوشه‌بندی
◽️مدت دوره: 13 ساعت
🔘 Link


〰〰〰〰〰 شبکه‌های عصبی 〰〰〰〰〰

⚪️ پیاده سازی گام به گام شبکه های عصبی
◽️مدت دوره: 25 ساعت
🔘 Link
⚪️ دوره پروژه محور شبکه عصبی کانولوشنی (CNN)
◽️مدت دوره: 11 ساعت
🔘 Link
⚪️ دوره پروژه محور شبکه عصبی بازگشتی (RNN)
◽️مدت دوره: 13 ساعت
🔘 Link
⚪️دوره پروژه محور کاربرد شبکه‌های عمیق در بینایی ماشین
◽️مدت دوره: 16 ساعت
🔘 Link

⚪️ دوره پیاده‌سازی شبکه‌های عصبی با PyTorch
◽️مدت دوره: 70 ساعت
🔘 Link

〰〰〰〰 پردازش سیگنال مغزی 〰〰〰〰

⚪️ دوره جامع پردازش سیگنال مغزی(EEG)
◽️مدت دوره: 50 ساعت
🔘 Link
⚪️ واسط مغز-کامپیوتر مبتنی بر P300
◽️مدت دوره: 28 ساعت
🔘 Link
⚪️ واسط مغز-کامپیوتر مبتنی بر SSVEP
◽️ مدت دوره: 33 ساعت
🔘 Link
⚪️ واسط مغز-کامپیوتر مبتنی بر تصور حرکتی
◽️مدت دوره: 21 ساعت
🔘 Link
⚪️ پیاده‌سازی مقاله CSSP (BCI مبتنی بر MI)
◽️مدت دوره: 7 ساعت و 30 دقیقه
🔘 Link
⚪️پیاده‌سازی مقاله RCSP (BCI مبتنی بر MI)
◽️مدت دوره: 5 ساعت
🔘 Link
⚪️دوره تبدیل فوریه زمان کوتاه در پردازش سیگنال مغزی
◽️مدت دوره: 8 ساعت
🔘 Link

⚪️دوره پردازش سیگنال مغزی با کتابخانه MNE پایتون
◽️مدت دوره: 33 ساعت
🔘 Link

〰〰〰〰 دوره جامع پردازش تصویر 〰〰〰〰

⚪️فصل 1: آستانه گذاری تصویر، تبدیلات شدت روشنایی و هندسی
◽️مدت دوره: 30 ساعت
🔘 Link
⚪️فصل 2: پردازش هیستوگرام تصویر
◽️مدت دوره: 6 ساعت و 30 دقیقه
🔘 Link
⚪️فصل 3: فیلترهای مکانی
◽️مدت دوره: 15 ساعت و 30 دقیقه
🔘 Link
⚪️فصل 4: عملیات مورفورلوژی
◽️مدت دوره: 6 ساعت
🔘 Link


🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@onlinebme

✅ مدل‌های مختلف Generative AI

نویسنده: هما کاشفی امیری

✍️اثر Generative AI بر مشاغل مختلف بسیار زیاد بوده و همچنان در حال رشد است. به همین جهت، توجه به این حوزه‌ی پژوهشی بسیار مهم است. در این مقاله مدل‌های مختلف Generative AI، نحوه‌ی عملکرد آنها و کاربردهای عملی آنها در زمینه‌های مختلف را مورد بررسی قرار می‌دهیم.

جزییات بیشتر:
https://onlinebme.com/generative-ai-models/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

✅مفهوم Early Stopping در یادگیری عمیق

👩‍💻نويسنده: فاطمه بذري شرفشادهي

با افزایش تعداد پارامترها و پیچیدگی مدل‌ها، احتمال Overfitting نیز بیشتر می‌شود و تکنیک‌های کلاسیک ممکن است به تنهایی کافی نباشند و باید در ترکیب با استراتژی‌های دیگری مانند Early Stopping مورد استفاده قرار گیرند تا به نتایج بهتری منجر شوند. در این پست در مورد سومین تکنیک generalization یعنی Early Stopping صحبت میکنیم که سعی دارد برای مدل‌هایی که احتمالاً به سمت Overfitting می‌روند، آموزش را متوقف کند.

⭕️جزییات بیشتر 👇

https://onlinebme.com/early-stopping-in-deep-learning/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

✅نحوه‌ی ساخت ویدیو با 🎬🎭SORA
https://sora.com/library
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

🔸SORA is here🎬🎭🎶

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

همراهان عزیز ❤️یلدا مبارک🎆
با آرزوی لحظاتی خوش برای تک تک شما ❤️🌹

@Onlinebme

پاهای بیونیک مجهز به سنسورهای پیشرفته و هوش مصنوعی است که باعث میشه تا در مکانهای مختلف منعطف عمل کند و به افراد قابلیت حرکت طبیعی و پایدار بدهد. این پاها به افراد این توانایی رو میدهند که بدون استفاده از عصا حرکت کنند. 

@Onlinebme

✨ سال نو میلادی بر هم‌وطنان عزیز مسیحی مبارک باشه❤️

@Onlinebme

My ML model makes me happy...
@Onlinebme

✅مفهوم Regularization در یادگیری عمیق 

👩‍💻نويسنده: فاطمه بذري شرفشادهي

در یادگیری ماشین، تابع هزینه (Loss function) یک معیار برای اندازه‌گیری دقت مدل، و توانایی آن در به حداقل رساندن گپ میان خروجی واقعی و پیش‌بینی مدل محسوب می‌گردد. برای جلوگیری از بیش‌برازش (overfitting) و بهبود تعمیم‌پذیری مدل، ما می‌توانیم از دانش خود در قالب یک penalty term به تابع هزینه اضافه کنیم و اینگونه با ایجاد توازنی بین دقت مدل بر روی داده‌های آموزشی، و توانایی آن در تعمیم به داده‌های جدید، سبب گردیم مدل به بلوغ بیشتری در تعمیم دست یابد.

⭕️جزییات بیشتر 👇

https://onlinebme.com/regularization-in-deep-learning/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

ViT

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

✅مدل Vision Transformer (ViT) چیست؟
👩‍💻هما کاشفی امیری
🗓13 دی 1403

✍️مدل ViT (Vision transformer) یک مدل شبیه به transformer است که برای انجام تسک‌های پردازش بینایی طراحی شده است. در این مقاله می آموزیم که این مدل چگونه کار می‌کند.

⭕️ جزئیات بیشتر 👇
https://onlinebme.com/vision-transformer-vit/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

✅ساخت مدل‌های یادگیری عمیق بهتر با Batch Normalization و Layer Normalization

👩‍💻هما کاشفی امیری
🗓20 دی 1403

✍️رویکردهای Batch Normalization و Layer Normalization دو استراتژی برای آموزش سریعتر شبکه‌های عصبی هستند بدون اینکه نیاز باشد برای مقدار دهی اولیه‌ی وزن‌ها و سایر تکنیک‌های منظم‌سازی یا Regularization، احتیاط بیش از حد به خرج داد. در این آموزش، ابتدا بررسی می‌کنیم که چرا نیاز است ورودی‌های یک شبکه‌ی عصبی را منظم سازی کنیم و سپس به تکنیک‌های Batch Normalization و Layer Normalization می‌پردازیم.

⭕️ جزئیات بیشتر 👇
https://onlinebme.com/batch-normalization-vs-layer-normalization/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

💡💡مشکل: عدم نصب wfdb در متلب با کد ذکرشده در سایت فیزیونت

شرح مسئله: آقای مهندس برای نصب تولباکس wfdb در متلب من خیلی گیر کردم
با اون روشی که گفتین کدو کپی کنیم از سایت فیزیونت من هر کار کردم جواب نداد
ولی این فایل رو دستی دانلود کردم و شد

اما تونستم با این فایلی که براتون ارسال کردم به متلب اضافه کنم wfdb رو

✅ چطوری حل شد؟ فایل ارسالی را دانلود و از حالت زیپ خارج کرده و سپس از تب home متلب، گزینه set path رو میزنید و مسیری فایل در آن هست را اضافه میکنید.
Maryam Hosseini

@Onlinebme

💡💡مشکل :عدم عملکرد کتابخانه wfdb در پایتون

شرح مسئله: سلام وقتتون بخیر، آقای مهندس باید pylance رو هم نصب کرد
باز wfdb و ... رو میگفت ناشناخته است و اجرا نمیشد

✅چطوری حل شد؟ اکستنشن pylance رو نصب کردم
شاید باورش سخت باشه یکم ،
Wfdb رو add کردم (راست کلیک و گزینه add رو زدم)
Maryam Hosseini

@Onlinebme

💡هوش مصنوعی، از Deep Blue تا AlphaGo

نویسنده: محمد نوری زاده چرلو
16 اسفند 1403

✍ هوش مصنوعی که این روزها به موضوعی داغ در اخبار تبدیل شده، برای محققین این حوزه عبارت هوش مصنوعی اصلا تازگی نداره و سالهاست که در این حوزه فعالیت انجام میشه. در این پست میخواهیم یک گذری به گذشته بکنیم و دو مدل کامپیوتری مبتنی بر هوش مصنوعی رو بررسی کنیم که وقتی ارائه شدند، توجه رسانه ای گسترده ای رو به خود جذب کردند و به نوعی سلبریتی بودند و با پیروزیهایی که در مقابل بهترین بازیکنان مطرح شطرنج و Go کسب کردند به طور اساسی طرز فکر مردم نسبت به هوش مصنوعی رو تغییر دادند. 

⭕️جزئیات بیشتر👇
https://onlinebme.com/artificial-intelligence-deep-blue-and-alphago/

🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme

چگونه مقدمه یک مقاله را بنویسیم؟

💡مقدمه یکی از مهم‌ترین بخش‌های یک مقاله است. یک مقدمه خوب بهتره مثل یک داستانی جذابی باشه که خواننده رو مجاب کنه تا آخر بخونه و همراه نویسنده باشد. انگار میخواد بدونه در انتهای داستان چه اتفاقی میخواد بیافته. شخصیت اصلی داستان هم که ایده خود مطالعه هست.

💡یک مقدمه خوب اول خواننده رو با چالش موجود در یک حوزه و اهمیت حل این چالش آشنا میکند. سپس چندین مطالعه ای که سعی بر حل چالش کرده اند، توضیح میده، و بعدش چالشی که هنوز باقی مانده (یا هنوز خوب حل نشده) رو بیان میکند، در انتها هم رویکرد و هدف مقاله برای حل چالش رو مختصر اشاره میکند. با خوندن مقدمه باید خواننده به‌طور کامل متوجه بشه که هدف نویسندگان از انجام این مطالعه چی بوده که مشتاق باشند برن بخش method مقاله و نتایج رو مطالعه کنند.

🔷 اگر تازه‌کار باشیم، معمولاً فهرستی از کارهای انجام‌شده در این حوزه را بدون نظم مشخصی ارائه می‌کنیم. هر مقاله‌ای که پیدا کنیم، مخصوصاً اگر جدید باشد، در مقدمه قرار می‌دهیم و تصور می‌کنیم که هرچه تعداد مقالات ذکرشده بیشتر باشد، بهتر است! اما در واقع، مقدمه باید با دقت و حساب شده نوشته شود.


💡 یک دوستی داشتیم میگفت یک داور حرفه ای معمولا با خوندن مقدمه یک مقاله تصمیم خودش رو در مورد پذیرش یا ریجکت مقاله میگیره. فکر نمیکنم دیگه انقدر بخوان سخت گیری کنند! هدفم از آوردن این نقل قول بیشتر برای تاکید بر اهمیت نوشتن درست یک مقدمه هست.

@Onlinebme

گویا این مشکل همگانیه و آقای فابر سعی کرده اند در یک مقاله ی یک صفحه ای نحوه درست نوشتن یک مقدمه مناسب رو توضیح بدهند.

@Onlinebme

آقای Bardia Safaei در لینکدین نکات مقاله رو به خوبی پوشش دادند که در زیر قرار داده شده اند.

پيشنهادات طلايى در نوشتن “مقدمه“ مقالات!

🔺دكتر Jorge Faber در سال 2012 چنین جواهر نابى را خلق کرد. او در یک صفحه، که در تصویر زير نشان داده شده، به طور مختصر پیشنهادات خود را در مورد نحوه نوشتن مقدمه یک مقاله بیان می کند.

🔺مهمترين مواردى كه او به آن ها اشاره مى كند شامل موارد زير است:
1⃣ مقدمه نباید بیش از 10٪ از کل صفحات مقاله باشد. فابر معتقد است که هیچکس نمی خواهد یک مقدمه بیش از حد طولانی بخواند!

2⃣ برای حفظ انسجام، مقدمه بايد از یک مسئله بزرگتر شروع شود و به تدريج و به دقت به سوال تحقیق برسد.

3⃣ از منابع زیاد استفاده نشود. فابر استدلال می کند که مطالعات پیشگامانه به ندرت دارای تعداد زیادی منابع برای انگیزه بخشی به کار خود هستند.

4⃣ از استفاده از نام نویسندگان به عنوان موضوع جملات خودداری کنید. فابر می گوید که مقدمه های خوب بر ایده ها و شواهد تمرکز دارند، نه نویسندگانی که آن ها را بیان کرده اند.

5⃣ وقتی شک دارید، متن را ساده نگه داريد!

🔺مقاله يك صفحه اى فابر يك راهنمای کوتاه اما جامع برای نوشتن مقدمه است كه شايد از آن بهتر را در اين اندازه نتوانيد پیدا کنید.

Source: LinkedIn (Bardia Safaei)

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme