00:00 / 00:00
1.8x
1.4x
1.0x
0.7x
HD SD
HD
SD
ثبت‌نام رایگان
  • اضافه شدن دوره به پروفایل
  • اضافه شدن دوره به پروفایل
00:00 / 00:00
1.8x
1.4x
1.0x
0.7x
HD SD
HD
SD

آموزش رایگان علوم اعصاب محاسباتی

دوره‌های رایگان
34 جلسه
100٪ (161 رای)

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.

سرفصل‌های دوره آموزش رایگان علوم اعصاب محاسباتی

علوم اعصاب محاسباتی
21:17 ساعت
21:17
Combined Shape Created with Sketch. 30 جلسه
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
مدرس دوره
محمد گنج تابش

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

اطلاعات بیشتر

نظرات  (4 نظر)

محسن
09:45 - 1399/08/02
کاربر‌ سایت
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
کاربر مکتب‌خونه
01:06 - 1399/06/31
کاربر‌ سایت
سپاس فراوان. منتظر ادامه هستیم.
محمد صادق
22:05 - 1399/06/29
کاربر‌ سایت
سلام ممنون به خاطر این دوره , امیدوارم تکمیل بشه
مهشاد
13:31 - 1399/06/19
کاربر‌ سایت
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.
پشتیبانی مکتب‌خونه
همراه عزیز؛ تمامی فایل ها و ویدئوهایی که درا ختیار مکتب خونه قرار گرفتند روی سایت آپلود شده است.

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.
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.
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.

×

ثبت نظر

به این دوره از ۱ تا ۵ چه امتیازی می‌دهید؟

علوم اعصاب محاسباتی
21:17 ساعت
21:17
Combined Shape Created with Sketch. 30 جلسه
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