🟣 معرفی جلسات 12 گانه دوره «آشنایی با زبان برنامه نویسی متلب و مصورسازی دبتا برای غیربرنامه نویسان؛ با تاکید بر نوروساینس و علوم شناختی »- دوره مجازی

💖شروع دوره: از یکشنبه، 7 دی ماه ساعت 17

7️⃣هفته (جلسه) هفتم: ترسیم و مصورسازی داده ها

🗣محتوای این جلسه:

هیچ علمی بدون تصویرسازی به درستی فهم نمی‌شود. در این جلسه یاد می‌گیرید چگونه داده‌ها و سیگنال‌ها را در MATLAB به‌صورت گرافیکی نمایش دهید. با توابع plot، scatter و histogram کار می‌کنید و می‌آموزید محور‌ها، رنگ‌ها و لیبل‌ها را تنظیم کنید. تمرکز این جلسه بر روی نمایش سیگنال‌های مغزی در طول زمان است. با ابزار subplot برای مقایسه‌ی داده‌ها و افزودن جزئیات تصویری آشنا می‌شوید. هدف، تبدیل داده‌های خام به نمودارهای قابل‌فهم و تحلیلی است.

8️⃣هفته (جلسه) هشتم: فیلترگذاری و پردازش مقدماتی سیگنال

🗣محتوای این جلسه:

همه‌ی اطلاعاتی که در دست داریم ارزشمند یا سزاوار تحلیل نیستند. در این جلسه با اصول فیلترگذاری و حذف نویز از سیگنال‌ها آشنا می‌شوید. فیلترهای low-pass، high-pass و band-pass را با یکدیگر بررسی می‌کنیم و نحوه‌ی نویزگیری (denoising) را تمرین می‌کنید. مثال‌ها بر پایه‌ی سیگنال‌های مغزی هستند و شامل حذف نویزهای خارجی و نرمال‌سازی داده‌ها می‌شوند. در پایان، می‌توانید سیگنال‌های خام را تمیز و آماده‌ی تحلیل‌های پیشرفته کنید. از اینجاست که شما درست مانند یک پژوهشگر کد می‌نویسید.

9️⃣هفته (جلسه) نهم: تحلیل فرکانسی و تبدیل فوریه

🗣محتوای این جلسه:

اگر سیگنال بتواند حرف بزند به ما چه می‌گوید؟ در این جلسه با تحلیل فرکانسی سیگنال‌ها آشنا می‌شوید. تبدیل فوریه سریع (FFT) را در MATLAB یاد می‌گیرید و با توابع fft و ifft کار می‌کنید. تمرکز بر تحلیل باندهای فرکانسی مانند آلفا و بتا در EEG است. می‌آموزید چگونه طیف توان (Power Spectrum) را ترسیم کرده و فرکانس‌های غالب را استخراج کنید. هدف، درک محتوای فرکانسی و کاربرد آن در تحلیل‌های نوروساینس است.

0️⃣1️⃣هفته (جلسه) دهم: تحلیل زمان–فرکانس و استخراج ویژگی‌ها

🗣محتوای این جلسه:

در نوروساینس همه چیز درباره‌ی ویژگی‌های (Feature) مهم است. در این جلسه ترکیب زمان و فرکانس در تحلیل سیگنال بررسی می‌شود. با روش‌هایی مانند STFT و تبدیل Wavelet Transform آشنا می‌شوید. یاد می‌گیرید ویژگی‌هایی مانند میانگین، واریانس، آنتروپی و فرکانس غالب را از سیگنال‌های EEG استخراج کنید. هدف، درک تغییرات دینامیک سیگنال در طول زمان است تا داده‌ها را برای تحلیل‌های پیشرفته آماده کنید.

1️⃣1️⃣هفته (جلسه) یازدهم: پردازش پیشرفته سیگنالهای مغزی

🗣محتوای این جلسه:

در این جلسه با روش‌های پیشرفته‌ی تحلیل سیگنال‌های مغزی آشنا می‌شوید. روش‌هایی مانند ICA برای جداسازی سورس‌های فعالیت مغز و تحلیل ERP معرفی می‌شوند. تمرکز بر داده‌های EEG، fMRI یا MEG است و یاد می‌گیرید چگونه artifactها را حذف کنید و ارتباط بین نواحی مغزی را بسنجید. همچنین با ابزارهای تخصصی MATLAB برای نوروساینس آشنا می‌شوید. در پایان، می‌توانید تحلیل‌های پیچیده و پژوهشی انجام دهید و حتی پروژه‌ی شخصی خود را شروع کنید.

2️⃣1️⃣هفته (جلسه) دوازدهم: پروژه نهایی و معرفی ابزارهای مکمل

در جلسه‌ی پایانی، تمام آموخته‌ها را در قالب یک پروژه‌ی واقعی به کار می‌گیرید. از داده‌ی خام EEG تا استخراج ویژگی‌ها، تمام مراحل از جمله فیلترگذاری، FFT، تحلیل زمان–فرکانس و مصورسازی را پیاده‌سازی می‌کنید. می‌آموزید چگونه pipeline طراحی کنید و مدیر پروژه خود باشید. سپس با ابزارهای مکمل مانند EEGLAB و FieldTrip آشنا می‌شوید. هدف، کسب تجربه‌ی عملی و آمادگی برای انجام پروژه‌های پژوهشی مستقل است. از امروز شما یک پژوهشگر واقعی هستید!

✨با حضور:

👤دکتر گلناز بغدادی، عضو هیات علمی دانشگاه صنعتی امیرکبیر
👤پریا جافرپور، منتور ارشد دپارتمان سیگنال، مدارس میان رشته ای
👤مهسا محمدی، منتور دپارتمان سیگنال، مدارس میان رشته ای
👤شبنم عزمی، منتور دپارتمان سیگنال، مدارس میان رشته ای


⬇️ نحوه ثبت نام در این دوره:

https://t.me/IDS_AI_ML/379

🔴 همراه با گواهی شرکت در دوره به انگلیسی 

🔣 کسب اطلاعات بیشتر:

@InterdisciplinarySchools2

🚀|@IDSchools||کانال اصلی|
🚀|@IDS_AI_ML||کانال هوش مصنوعی|