هسته علوماعصاب محاسباتی انجمن EHIA برگزار میکند
دوره پروژهمحور مقدماتی بر علوماعصاب محاسباتی
¦با همکاری معاونت بینالملل مرکزپژوهشهای دانشجویی دانشگاه علوم پزشکی تهران¦
علوم اعصاب محاسباتی، رشتهای است که با استفاده از روشهای ریاضیاتی، مدل های محاسباتی، الگوریتمهای هوشمند و.. ، به مدلسازی و بررسی ساختار و عملکرد سیستم عصبی انسان و حیوانات، مانند مغز و سیستم عصبی مرکزی، میپردازد. این رشته با ارائه مدلهایی برای توصیف و پیشبینی فعالیتهای عصبی، درک بهتری از سازمان و عملکرد مغز و سیستم عصبی در شرایط مختلف را ارائه میدهد.
علوم اعصاب محاسباتی، با بهرهگیری از تکنولوژیهای پیشرفته و الگوریتمها و روش های پردازشی هوشمند، به شناخت بهتر از ساختار و عملکرد مغز و سیستم عصبی کمک میکند و به طور گسترده در زمینه هایی همچون پزشکی، علوم شناختی، روانشناسی، روباتیک و هوش مصنوعی به کار گرفته میشود. در حقیقت، علوم اعصاب محاسباتی به دانشمندان و محققان، ابزارهای قوی و پیشرفتهای را برای تحلیل دادههای عصبی و به دست آوردن پاسخ به سوالات پیچیده درباره عملکرد مغز ارائه میدهد.
با وجودی که این رشته در سالهای اخیر توجه دانشمندان و علاقهمندان زیادی را به خود جلب کرده است محتوی فارسی کاملی در این زمینه وجود ندارد. به همین سبب هسته علوماعصاب محاسباتی احیا برآن است تا در چندین دوره متوالی از مقدماتی تا پیشرفته به تدریس کاربردی و پروژه محور این دوره بپردازد.
دوره پیشرو اولین دوره از این سری دورههاست که با تدریس کاربردی و پروژه محور به بیان کلیات و پایههای این علم و کاربرد آنها در پژوهشها میپردازد.
📌پروژه محور: در هرکدام از جلسات ابتدا تئوری هریک از مباحث عنوان خواهد شد و شما با کاربرد مباحث عنوان شده در پژوهشها به وسیله ارائه مقالات مرتبط آشنا میشوید. در انتهای جلسات یک پروژه جهت بکارگیری مفاهیم آموزش داده شده به فراگیران به صورت عملی تعریف میشود که شما میتوانید تا جلسه بعد به صورت گروهی یا انفرادی پروژه را در گیتهاب به انجام برسانید. قبل از هر جلسه با مدرس، جلساتی توسط دستیاران آموزشی در قالب حل تمرین، جهت بررسی و آموزش روش های پیاده سازی و تکنیک های الگوریتم نویسی و پردازش داده های عصبی و رفع اشکال برگزار میشود.
📌فارغالتحصیلان این دوره در اولویت همکاریهای پژوهشی با هسته علوماعصاب محاسباتی انجمن EHIA قرار میگیرند.
🔖پس از شرکت در دوره، مدرک دوره از طرف انجمن علمی EHIA تحت نظارت مرکز پژوهش های دانشگاه علوم پزشکی تهران و به زبان انگلیسی به شرکت گنندگان تعلق خواهد گرفت. علاوه برآن مینی پروژههای ثبت شده در پروفایل گیت هاب شما زمینه فعالیتهای آتی را فراهم میکنند
مدرس: دکتر احمدرضا کیهانی:
فارغ التحصیل PhD مهندسی پزشکی از دانشگاه علوم پزشکی تهران؛ پژوهشگر پسادکتری Pittsburgh آمریکا.
با ارائه افتخاری میهمانان:
دکتر محمدرضا محبیان:
فارغالتحصیل PhD مهندسی برق از کانادا؛ Staff machine learning engineer, Procore Technologies, Canada.
دکتر Francesco Donati:
روان پزشک؛ پژوهشگر پسادکتری Pittsburgh آمریکا.
و همکاری :
- سید سامان سجادی:
کارشناسی ارشد مهندسی پزشکی، علوم پزشکی تهران، پژوهشگر مرکز تحقیقات فناوری های بایومدیکال و رباتیک (RCBTR).
- مهسا حسنی:
کارشناسی ارشد مهندسی پزشکی، کارشناس ثبت و پردازش سیگنال حیاتی، آزمایشگاه ملی نقشه برداری مغز (NBML).
- فاطمه کرباسی:
کارشناسی ارشد مهندسی پزشکی علوم پزشکی تهران، پژوهشگر آزمایشگاه سیگنال و ابزار های بایومدیکال (BIS Lab).
- زهرا مرادی :
کارشناسی ارشد مهندسی پزشکی علوم پزشکی تهران. آزمایشگاه سیگنال و ابزار های بایومدیکال (BIS Lab).
- علی اکبری:
کارشناسی ارشد مهندسی پزشکی دانشگاه صنعتی شریف.
لیست عناوین دوره مقدماتی
📍Session 1
Orientation and course setup
◇Welcome message and course
◇introduction Course structure and expectations
◇Getting familiar with the course materials
◇Setting up the necessary software and tools
📍Session 2
Python for the practicingcomputational neuroscience
◇Introduction to statements, terms, materials, dataset, modalities
◇Programming mindset and flowcharts and algorithm definition
◇Introduction to Jupyter Notebooks in Pycharm
◇Variables, operators, data types
📍Session 3
Brain signals analysis in python
◇The event-related potentials
◇Case Study: an EEG ERP task
📍Session 4:
Beyond the basics with brain’s data (Guest lecturer)
📍Session 5
Beyond the basics in python with brain’s data: more examples
◇Power spectrum of brain data ◇Intuition behind power spectrum
📍Session 6
Find your way with more practice◇Introduction to modules and packages
◇Working with NumPy and Pandas on some brain signals data
◇Brain data visualization with Matplotlib and Seaborn
◇Introduction to graphs/visualization
◇Analysis of the Filtered EEG Data
📍Session 7
Towards AI for science/neuroscience while working with brain data
◇Introduction to machine learning, scikit-learn tool, TensorFlow
◇Machine learning, deep learning for cognitive computational neuroscience
📍Session 8
Interrogating your data
◇Basic statistical tests
◇Run some tests
◇Validation measures [TP, TN, FP and FN, etc.]
◇Surrogate data/Permutation tests
📍Session 9
Data collection/ Task design/ Study design /Data specs in this field
◇Task/resting state data
◇Psychopy/psychtoolbox introduction
📍Session 10
Model/Models
◇General linear models
◇Model fitting and evaluation techniques
◇Comparing and critiquing models
📍Session 11
Time series analysis/ Neural time series/ Brain signals/Natural Language Processing
◇Cross frequency coupling of brain signals data
◇Mind wondering of the importance and definitions of above topics
◇Wrapping-up the first course Introduction to advance topics