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://t.me/Neuro_Syntax