آموزش رایگان علوم اعصاب محاسباتی

علوم اعصاب محاسباتی شاخه‌ای از علم است که در آن از دیدگاه محاسباتی به بررسی و درک فرایند‌های موجود در مغز موجودات زنده پرداخته می‌شود. طی سال‌های اخیر مدل‌های محاسباتی مختلفی برای انجام برخی از ... ادامه

برگزارکننده:  دانشگاه تهران  دانشگاه تهران
مدرس دوره:
4.9 (19 رای)
 رایگان
  
زمان مورد نیاز برای گذارندن دوره:  34 جلسه
مجموع محتوای آموزشی:  24 ساعت ویدئو
 (قابل دانلود می‌باشد)

سرفصل‌های دوره آموزش رایگان علوم اعصاب محاسباتی

علوم اعصاب محاسباتی
  جلسه 1: مقدمه‌ای بر درس، سرفصل‌ها و نحوه ارزیابی
"09:50  
  جلسه 2: هوشمندی چیست؟
"27:25  
  جلسه 3: مقدمه‌ای بر علوم اعصاب
"12:28  
  جلسه 4: سیستم عصبی موجودات زنده
"30:59  
  جلسه 5: نورون و عملکرد آن
"42:15  
  جلسه 6: سیناپس و عملکرد آن
"30:35  
  جلسه 7: مقدمه‌ای بر مدل‌سازی و سطوح مختلف آن
"26:19  
  جلسه 8: دینامیک نورونی
"25:37  
  جلسه 9: مدل‌سازی نورون
"24:40  
  جلسه 10: غشای نورونی منفعل
"71:46  
  جلسه 11: مدل نورونی LIF
"32:59  
  جلسه 12: مدل نورونی LIF غیر‌خطی
"35:22  
  جلسه 13: مدل نورونی LIF تطبیق‌پذیر
"30:42  
  جلسه 14: مدل نورونی Hudgkin-Huxley
"65:07  
  جلسه 15: جمعیت نورونی
"43:17  
  جلسه 16: شبکه نورونی متوازن
"25:56  
  جلسه 17: فرآیند‌های تصمیم‌گیری در مغز
"42:13  
  جلسه 18: کدگذاری و کدگشایی فعالیت‌های نورونی
"43:46  
  جلسه 19: شبکه‌های عصبی ضربه‌ای
"32:45  
  جلسه 20: یادگیری و فرآیند‌های مربوط به آن در مغز
"22:16  
  جلسه 21: یادگیری بدون ناظر و قوانین مربوط به آن
"57:06  
  جلسه 22: یادگیری تقویتی و قوانین مربوط به آن
"53:47  
  جلسه 23: گروه‌های نورونی چندزمانی
"64:16  
  جلسه 24: سیستم بینایی در مغز
"19:09  
  جلسه 25: شبکه و هسته خمیده جانبی
"86:28  
  جلسه 26: عملکرد قشر بینایی مغز
"76:42  
  جلسه 27: سطوح مختلف مدل‌سازی نواحی اولیه قشر بینایی
"31:04  
  جلسه 28: الگوهای ارتباطی بین نورون‌ها در نواحی مختلف مغز
"64:29  
  جلسه 29: مدل محاسباتی HMAX برای مسئله‌ی بازشناسی اشیاء
"63:41  
  جلسه 30: مدل محاسباتی HMAX مبتی بر یادگیری و نورون‌های ضربه‌ای
"84:51  
  جلسه 31: شبکه‌های عصبی ضربه‌ای کم‌عمق
"43:50  
  جلسه 32: شبکه عصبی ضربه‌ای عمیق
"59:45  
  جلسه 33: یادگیری تقویتی در شبکه عصبی ضربه‌ای کم‌عمق
"56:58  
  جلسه 34: یادگیری تقویتی در شبکه عصبی ضربه‌ای عمیق
"24:20  

درباره دوره

علوم اعصاب محاسباتی شاخه‌ای از علم است که در آن از دیدگاه محاسباتی به بررسی و درک فرایند‌های موجود در مغز موجودات زنده پرداخته می‌شود. طی سال‌های اخیر مدل‌های محاسباتی مختلفی برای انجام برخی از وظایف شناختی ما انسان‌ها ارائه شده‌است که کارایی آن‌ها در برخی از موارد از انسان‌ها نیز بهتر بوده‌است. این اتفاق با ظهور تکنیک‌های جدید در هوش مصنوعی، به‌عنوان مثال می‌توان به یادگیری عمیق اشاره کرد، سرعت بیشتری به خود گرفته است، اما نکته اصلی این است که چگونه هوش مصنوعی می‌تواند نهایتاً از هوش طبیعی ما انسان‌ها پیشی گیرد؟ آیا ماشین‌ها نیز می‌توانند مانند ما انسان‌ها دارای خلاقیت، نوآوری و یا حتی خودآگاهی شوند؟ به نظر می‌رسد مشکل اصلی در پیاده‌سازی این قابلیت‌ها، عدم وجود یک تعریف فرمال برای این مفاهیم است و تا زمانی که چنین تعریفی برای آن‌ها ارائه نشود، نمی‌توان انتظار داشت که هوشمندی ماشین‌ها (که به صورت فرمال عمل می‌کنند) از ما انسان‌ها پیشی بگیرد و ازطرف‌دیگر، مصداق‌های زیادی از موجودات هوشمند در اختیار است که با مطالعه آن‌ها می‌توان به ماهیت هوشمندی در این موجودات پی برد. اینگونه مطالعات در حوزه‌ی علوم اعصاب و علوم شناختی در حال انجام بوده و یافته‌های ارزشمندی در خصوص عملکرد مغز موجودات به‌دست آمده و روز به روز بر دانش ما از مغز اضافه می‌شود. تکنیک‌های مختلف برای نقشه‌برداری از مغز ابداع و عملکرد مغز به‌صورت دقیق و علمی در حال مطالعه است. تلاش برای مدل‌سازی محاسباتی اینگونه یافته‌ها و پیاده‌سازی مدل‌های ارائه شده می‌تواند درجاتی از هوشمندی را در کامپیوتر‌ها به ارمغان بیاورد. با این روند، هرچه دانش ما از عملکرد نواحی مختلف مغز بیشتر شود، هوش مصنوعی نیز به هوش طبیعی نزدیکتر خواهد شد.

با توجه به مقدمه‌ ذکر شده، درس علوم اعصاب محاسباتی با هدف آشنایی هرچه بیشتر علاقه‌مندان به این حوزه ارائه شده‌است. عدم وجود یک درس منسجم، که در آن جنبه‌های مختلف هوش مصنوعی از دیدگاه علوم اعصاب به‌صورت منطقی در کنار هم قرار گرفته باشند، از انگیزه‌های اصلی در ارائه این درس بوده‌است. در تمامی مطالب این درس، سعی شده‌است که ابتدا یافته‌های زیستی از عملکرد نواحی مختلف مغز و همچنین واحد‌های سازنده آن (نورون‌ها و سیناپس‌ها) ارائه شده باشد و سپس نظریه‌های مطرح در خصوص مدل‌های ریاضی و محاسباتی (بر پایه یافته‌های زیستی) آورده شوند. در قسمت دوم این درس، سیستم بینایی انسان، به طور خاص، به همراه برخی از مدل‌های محاسباتی آن ارائه شده‌است.

این درس برای تمامی علاقه‌مندان به حوزه‌های علوم اعصاب، علوم شناختی و همچنین هوش مصنوعی می‌تواند مفید باشد. پیش‌نیاز خاصی برای دنبال کردن مطالب این درس وجود ندارد، هر چند آشنایی با ریاضیات، برنامه‌نویسی، و هوش مصنوعی کلاسیک می‌تواند در درک بهتر مفاهیم این درس کمک کننده باشد.

درباره استاد

maktabkhooneh-teacher محمد گنج‌تابش

دکتر محمد گنج‌تابش عضو هیئت‌علمی گروه علوم کامپیوتر دانشگاه تهران است. ایشان دوره کارشناسی خود را در رشته ریاضی محض از دانشگاه تبریز و دوره‌های کارشناسی ارشد و دکتری را در رشته علوم کامپیوتر از دانشگاه تهران به اتمام رسانده‌اند. ایشان همچنین دکتری دوم خود را در رشته بیوانفورماتیک دانشگاه اکول پلی‌تکنیک فرانسه گذرانده‌اند. زمینه‌های تحقیقاتی موردعلاقه وی الگوریتم‌های بیوانفورماتیک (مسائل مربوط به ساختارهای RNA) و علوم اعصاب محاسباتی، به‌خصوص شبکه‌های عصبی ضربه‌ای و مدل‌سازی فرایندهای سیستم بینایی در مغز است.

مشاهده پروفایل و دوره‌‌های استاد

نظرات کاربران

تا کنون نظری برای این دوره ثبت نشده است. برای ثبت نظر باید ابتدا در دوره ثبت نام کرده و دانشجوی دوره باشید.
محمد محمودی 1402-11-02
از دکتر گنج تابش و تیم مکتب خونه بابت به اشتراک گذاشتن محتوای ارزشمند این دوره به صورت رایگان بسیار سپاس گزارم در این دوره کتاب neuronal dynamics به عنوان رفرنس اصلی معرفی شده که شما میتونید به محتوای این کتاب و فایل های مربوطه در لینک زیر دسترسی داشته باشید https://neuronaldynamics.epfl.ch/online/index.html
سجاد زنگی آبادی 1402-02-30
دوره ی بسیار خوبی است، استاد گنج تابش به مطالب درس مسلط هستند و به خوبی این مطالب را آموزش می دهند. من که از یادگیری مطالب این دوره لذت بردم. از استاد و مکتب خونه بابت تهیه کردن این دوره متشکرم.
رقیه یزدانی 1401-04-24
دوره فوق العاده و بسیار مفیدی بود، خیلی ممنونم از جناب آقای دکتر تابش و همینطور ممنون از مکتبخونه که این بستر رو فراهم کردند.
برنا براهیمی 1400-12-10
ممنون دوره بسیار کامل و خوبی است.
1400-09-22
ممنون دوره خیلی خوبی بود خصوصا با تسلط استاد دوره
1400-02-12
عالییییی ممنون از زحمات شما !🙏🌺🌺
مسلم عسگری 1399-12-26
چقدر من یاد گرفتم و برام مفید بود. هم از دکتر تابش و هم از دست اندرکاران مکتبخونه یک دنیا ممنونم.
1399-11-27
فوق العادست
حمید الله حمیدی 1399-09-26
ممنون بابت این همه زحمات شما!
محسن احمدزاده 1399-08-02
سلام . سپاس بيكران از مكتب خونه براي آپلود اين دوره كارتون بسيار بسيار قابل تقدير هست . لطفا دوره هايي در اين زمينه (با اين موضوع و موضوعات مشابه) رو محبت كنيد . خيلي خيلي خيلي ممنون
1399-06-31
سپاس فراوان. منتظر ادامه هستیم.
محمد صادق رضایی 1399-06-29
سلام ممنون به خاطر این دوره , امیدوارم تکمیل بشه
مهشاد فدایی مقدم حیدرآبادی 1399-06-19
سلام ممنون از مکتب خونه برای به اشتراک گذاری این دوره ی فوق العاده. ممنون میشم که تمامی محتوای دوره رو در سایت قرار بدید چون با توجه به بخش اول دوره که در مورد تمامی سرفصل هایی که قرار هست در دوره پوشش داده بشه، به نظر میرسه که تمامی دوره به اشتراک نگذاشته شده. ممنون میشم رسیدگی بفرمایید.
مکتب‌خونه
همراه عزیز؛ تمامی فایل ها و ویدئوهایی که درا ختیار مکتب خونه قرار گرفتند روی سایت آپلود شده است.
1402-08-30
از زحمات شما بسیار ممنونم. فیلم آموزشی در تایم های کوتاه برش داده شده اگر برش ها حدود نیم ساعت بود بهتر بود. در هر صورت صمیمانه از زحمات شما ممنونم.
1400-05-23
عالی استاد دستتون درد نکنه

دوره‌های پیشنهادی

سوالات پرتکرار

آیا ممکن است که درسی ناقص ضبط شده باشد؟
ما همواره تلاش کرده­‌ایم که دروس را به طور کامل ضبط نماییم و در اختیار شما دوستان قرار دهیم. اما گاهی برخی ناهماهنگی ها سبب می شود که یک یا تعدادی از جلسات یک درس ضبط نشود. توضیح این گونه نواقص در توضیح درس­ ها آمده است.

سوالات پرتکرار

اگر لینک دانلود یا پخش ویدئو مشکل داشت چه باید کرد؟
در صورتی که با هر گونه مشکلی رو به رو شدید می توانید از طریق صفحه ارتباط با ما به ما اطلاع دهید تا ما سریعا مشکل را پیگیری و برطرف نماییم.

سوالات پرتکرار

آیا امکان دریافت فیلم های یک درس به صورت سی دی یا دی وی دی وجود دارد؟
در حال حاضر امکان ارسال دروس به صورت سی دی یا دی وی دی وجود ندارد.
poster
  
برگزار کننده:  دانشگاه تهران
  
زمان مورد نیاز برای گذارندن دوره:  34 جلسه
مجموع محتوای آموزشی:  24 ساعت ویدئو
 (قابل دانلود می‌باشد)