TGViewer
Channel Public Channel
Onlinebme

Onlinebme

@onlinebme

آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
ارائه‌دهنده‌ی پکیجهای آموزشی پروژه محور:
برنامه‌نویسی متلب-پایتون
یادگیری ماشین
یادگیری عمیق
شناسایی الگو
شبکه عصبی
واسط مغز-کامپیوتر
پردازش سیگنالهای حیاتی

تماس👇
09360382687
@onlineBME_admin

www.onlinebme.com
Open in Telegram
Subscribers
4.71K
Photos
1.6K
Videos
609
Links
766

Showing posts older than #3968 · Back to latest

Older Posts 20 shown
Post #3967 3.42K
✅تحلیل سیگنال‌های MEG/EEG با کتابخانه MNE پایتون


✍در این مقاله به تحلیل سیگنال‌های EEG/MEG با استفاده از پکیج MNE-Python می‌پردازیم. اینکه چطور دیتاست را بخوانیم، ترایال‌ها را جدا کنیم و یا آنها را رسم کنیم. در این مقاله مهم‌ترین ساختار داده‌های پکیج MNE-Python معرفی می‌شوند: Raw, Epochs.

⭕️ جزئیات بیشتر 👇

https://onlinebme.com/meg-eeg-signal-analysis-using-mne-python/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
  • ❤‍🔥 5
  • ❤ 5
  • 👍 2
  • 🔥 1
Post #3964 3.11K
Onlinebme ✅ خواندن داده‌ با فرمتهای مختلف در پایتون 🔷در هر پروژه‌ی یادگیری ماشین، در ابتدا لازم هست که داده را با کمک ابزاری خوانده و وارد محیط برنامه نویسی پایتون بکنیم. در پایتون کتابخانه های مختلفی هست که میتوانیم با کمکشون داده به فرمتهای مختلف را بخوانیم. در این…
✅ ساخت dataloader سفارشی با کمک DataLoader و Dataset پایتورچ

✍در پروژه های یادگیری ماشین، مخصوصا یادگیری عمیق، ما با حجم بسیار بالای داده (big data) روبرو هستیم. و هندل کردن چنین داده ای جهت آموزش یک شبکه عصبی میتواند بسیار سخت و پیچیده باشد. از طرفی کدهای مربوط به پردازش نمونه‌ها  و آموزش شبکه عصبی هم میتواند بسیار شلوغ باشد. ما به طور ایده آل دوست داریم، که کد مربوط به آموزش مدل، با کد مربوط به داده جدا باشد تا یک کد خوانا و مدولار داشته باشیم. پایتورچ برای حل این مسئله دو تا کلاس به اسم Dataset و DataLoader دارد که کار با داده را بسیار ساده و راحت می‌کنند. در این پست میخواهیم با Dataset و DataLoader آشنا شویم و در آخر هم توضیح میدهیم که چطور میتوان یک DataLoader اختصاصی برای داده خود با کمک ابزار PyTorch بسازیم.

🔘 جزئیات بیشتر 👇
🌀https://onlinebme.com/creat-a-custom-dataset-in-pytorch/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
  • 👍 8
  • 🔥 1
Post #3963 2.4K
Onlinebme Gradient descent & Tesla😅 @onlinebme
Sorry if you don't get it😅
#derivative
@Onlinebme
  • 😁 25
  • 👍 4
Post #3962 2.55K
Onlinebme ✅شبکه عصبی CNN چطور کار میکنه؟ شاید براتون جالب باشه که بدونید شبکه عصبی کانولوشنی (CNN) چطور متوجه میشه تصویری که نشونش دادیم، تصویر چیه؟ مثلاً تصویر ورودی تصویر یک سگ هست یا گربه!؟ LinkedIn: PDF ⭕️ جزئیات بیشتر 👇 https://onlinebme.com/how-a-convolutional…
Visualization of Neural Network architecture😍

@Onlinebme
  • 👍 9
  • ❤ 2
Post #3961 2.25K
Onlinebme 💡ساختار یک نورون @Onlinebme
ما پنجاه سال پیش یک اشتباهی کردیم و الان هم داریم تاوانش رو میدهیم...
#مغز
@Onlinebme
  • 👍 17
  • 🔥 2
  • ❤ 1
Post #3957 1.88K
✅مقدمه ای بر آموزش Autoencoderها


✍️هوش مصنوعی، طیف گسترده‌ای از فناوری‌ها و تکنیک‌ها را در برمی‌گیرد که سیستم‌های کامپیوتری را قادر می‌سازد تا مسائلی مانند فشرده سازی داده‌ها که در بینایی ماشین، شبکه‌های کامپیوتری، معماری کامپیوتر و بسیاری از زمینه های دیگر وجود دارند را حل کنند. Autoencoderها یا خودرمزنگارها، شبکه‌های عصبی بدون ناظر هستند که از یادگیری ماشین برای فشرده سازی داده استفاده می‌کنند. در این مقاله به معرفی این شبکه‌ها می‌پردازیم.

⭕️ جزئیات بیشتر 👇

https://onlinebme.com/autoencoders/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
  • ❤ 7
  • 👍 1
Post #3956 2.88K
Onlinebme تایم لپس 85 ساعته یک نورون هیپوکامپ جوانی رو نشون میده که به دنبال نورونهای دیگه برای ارتباط میگرده😍 @Onlinebme
💡ساختار یک نورون
@Onlinebme
  • 👍 7
Post #3955 2.63K
Onlinebme ✅ معرفی برنامه نویسی شی گرا در پایتون پایتون یک زبان برنامه نویسی سطح بالا، تفسیری و شی گرا است که هر روز به استفاده کنندگان این زبان برنامه نویسی محبوب در جهان اضافه می‌شود. برنامه نویسی در پایتون براساس الگوی برنامه نویسی شی گرا هست و قطعا هر فردی که میخواهد…
✅ سه متد جادویی init ،call و getitem در برنامه نویسی شئی گرای پایتون

✍ یکی از ویژگی های خیلی خوب برنامه نویسی شئی گرا، متدهای جادویی است. میشه گفت متدهای جادویی در برنامه نویسی شئی گرا همه چیز هستند و با تعریفشون به معنای واقعی جادو به کدهامون اضافه می‌کنیم. متدهای جادویی هر کدام کار خاصی انجام می‌دهند و میتوانیم یک یا چند تا از آنها را در داخل یک کلاس تعریف کنیم. سه متد جادویی init، call و getitem در طراحی  DataLoader ها و شبکه‌های عصبی عمیق در پایتورچ بسیار پرکاربرد هستند. برای همین در این پست قصد داریم با یک مثال عملی با هر سه متد و تفاوتشون آشنا شویم.

🔘جزئیات بیشتر 👇
🌀https://onlinebme.com/magic-methods-in-python/

🏢 آکادمی آنلاین مهندسی پزشکی و  هوش مصنوعی
@Onlinebme
  • 👍 7
Post #3953 2.98K
Onlinebme ✅پکیج MNE: پکیج پایتون برای بررسی، تجسم سازی و تحلیل داده‌های فیزیولوژیکی انسان: MEG, EEG, SEEG, ECoG, NIRS ✍️اگر تابحال مقالات مربوط به حوزه ی BCI را مطالعه کرده باشید احتمالاً متوجه شده‌اید که اگر داده‌ها در محیط پایتون پردازش شده باشند به احتمال زیاد از…
✅نحوه ی نصب و راه اندازی پکیج MNE پایتون

✍️پکیج MNE پایتون، جامع‌ترین پکیج برای خواندن، تحلیل و پردازش و تجسم سازی داده‌های فیزیولوژیکی انسان مانند سیگنال‌های EEG, MEG و … است. بسیاری از دیتاست‌های مربوط یا الگوریتم‌های موردنیاز برای پردازش داده‌ها در این پکیج از قبل توسعه داده شده‌اند و توابع زیادی برای خواندن، جدا کردن ترایال‌ها، پیش پردازش و … در این پکیج وجود دارند. اما قبل از شروع به استفاده از آن لازم است آن را نصب کنیم. در این مقاله به بررسی نحوه ی نصب و راه اندازی این پکیج می‌پردازیم.

⭕️ جزئیات بیشتر 👇

https://onlinebme.com/mne-python-package/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
  • 👍 8
Post #3952 2.55K
✅ خواندن داده‌ با فرمتهای مختلف در پایتون
🔷در هر پروژه‌ی یادگیری ماشین، در ابتدا لازم هست که داده را با کمک ابزاری خوانده و وارد محیط برنامه نویسی پایتون بکنیم. در پایتون کتابخانه های مختلفی هست که میتوانیم با کمکشون داده به فرمتهای مختلف را بخوانیم. در این پست توضیح میدهیم که چطور متیوان با استفاده از کتابخانه هایی نظیر NumPy، Pandas و SciPy داده به فرمتهای مختلف را وارد محیط برنامه نویسی پایتون کرد.

⭕️جزئیات بیشتر👇
🔘https://onlinebme.com/data-reading-in-python-using-numpyscipy-pandas/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
  • 👍 4
  • 👏 3
Post #3951 2.52K
Onlinebme 🔥Tensors in PyTorch🔥 @Onlinebme
🔥Transposing Tensors in PyTorch🔥

@Onlinebme
  • 🔥 6
Post #3949 2.9K
Onlinebme 1⃣ در فصل اول دوره پایتورچ رو معرفی می‌کنیم و با چارچوب کار در این محیط آشنا می‌شویم. 2⃣ در فصل دوم دوره کار با تنسورها رو یاد میگیریم: 🔻ساخت تنسور 🔺آدرس‌دهی تنسور 🔻پیوند تنسورها 🔺عملیات ریاضیاتی/منطقی/مثلثاتی 🔻تبدیل آرایه به تنسور و برعکس 3⃣ در فصل سوم…
🔥Tensors in PyTorch🔥

@Onlinebme
  • ❤ 5
  • 👍 3
Post #3948 2.98K
✅پکیج MNE: پکیج پایتون برای بررسی، تجسم سازی و تحلیل داده‌های فیزیولوژیکی انسان: MEG, EEG, SEEG, ECoG, NIRS

✍️اگر تابحال مقالات مربوط به حوزه ی BCI را مطالعه کرده باشید احتمالاً متوجه شده‌اید که اگر داده‌ها در محیط پایتون پردازش شده باشند به احتمال زیاد از پکیج MNE برای این منظور استفاده شده است. برای پیش پردازش، جداکردن ترایال‌ها و نمایش سیگنال و … . در این مقاله به معرفی این پکیج می‌پردازیم.

⭕️ جزئیات بیشتر 👇
https://onlinebme.com/mne-python_package/

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
  • 👍 15
Post #3944 3.32K
Onlinebme 🔥معرفی اجمالی کتابخانه PyTorch ✍پایتورچ یک فریم ورک یادگیری ماشین مبتنی بر کتابخانه Torch است. یک کتابخانه قدرتمند پایتون برای کاربردهایی مثل بینایی ماشین و پردازش زبان طبیعی است که اولین بار توسط تیم هوش مصنوعی متا (فیسبوک) توسعه پیدا کرد و در سال 2016 منتشر…
🔥 تفاوت تنسور PyTorch با آرایه NumPy 

🔷تنسورهای پایتورچ بسیار شبیه به آرایه‌های نامپای هستند. از آنها هم برای ذخیره و عملیات روی آرایه‌های عددی استفاده می‌شود. اما با این حال یک سری تفاوتهایی بین آنها وجود دارد. در این پست شباهت‌ها و تفاوت‌های بین آرایه‌های نامپای و تنسورهای پایتورچ را بررسی می‌کنیم.

⭕️ جزئیات بیشتر 👇
https://onlinebme.com/difference-between-pytorch-tensor-and-numpy-array/
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme
  • 👍 3
  • 🔥 3
Post #3942 3.77K
Onlinebme 1⃣ در فصل اول دوره پایتورچ رو معرفی می‌کنیم و با چارچوب کار در این محیط آشنا می‌شویم. 2⃣ در فصل دوم دوره کار با تنسورها رو یاد میگیریم: 🔻ساخت تنسور 🔺آدرس‌دهی تنسور 🔻پیوند تنسورها 🔺عملیات ریاضیاتی/منطقی/مثلثاتی 🔻تبدیل آرایه به تنسور و برعکس 3⃣ در فصل سوم…
Pytorch and Neural Networks# problems-01.pdf517.7 KB
✅دوره پایتورچ
📝 تمرینات فصل دوم: تنسورها
🔷سری اول

@Onlinebme
  • 🔥 4
Older posts →
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →