Deep Learning (Python) for Neuroscience EEG Practical course

أهلا بك عزيزي المتابع لموقع (journey for learn) نقدم دورات بكوبونات متاحة لاول 1000 تسجيل مجاني فقط وكوبونات اخري لفترة محدودة فاذا كنت تريد ان تحصل علي كل الكورسات علي موقعنا وان تكون اول المسجلين في الكورسات المجانية قم بتسجيل الدخول أوقم بالدخول علي وسائل التواصل الاجتماعي وخصوصا التليجرام نوضح الوصف المختصر والطويل للدورات لكي تعرف الدروس التي سوف تتعلمها بسهولة ويسر :

المحاضرة الأولى: المقدمة ستجد هنا مقدمة قصيرة للدورة. نحن الخطوط العريضة للأهداف والهيكل والنتائج العملية. وهذا يمهد الطريق لتجربة عملية في التعلم الآلي باستخدام إشارات EEG. المحاضرة 2: الاتصال بـ Google Colab يقدم هذا الفصل دليلاً خطوة بخطوة حول كيفية الاتصال بـ Google Colab والعمل فيه. ستتعلم كيفية إعداد بيئتك، وتثبيت المكتبات المطلوبة، والتأكد من أنك مستعد لتشغيل أمثلة التعليمات البرمجية المتوفرة خلال الدورة التدريبية. المحاضرة 3: أجهزة واجهة الدماغ والحاسوب يغطي هذا الفصل الأجهزة الأساسية المستخدمة في واجهات الدماغ والحاسوب المستندة إلى مخطط كهربية الدماغ. المحاضرة 4: تقييم البيانات نحن نتعمق في تقييم جودة بيانات مخطط كهربية الدماغ (EEG) الخاصة بك. يستكشف هذا الفصل تقنيات فحص تسجيلات تخطيط كهربية الدماغ (EEG) وتنظيفها والتعليق عليها، مما يضمن موثوقية بياناتك قبل المضي قدمًا في مهام التحليل أو التعلم الآلي. المحاضرة 5: إعداد مجموعة البيانات تعرف على كيفية تحويل إشارات تخطيط كهربية الدماغ (EEG) الأولية إلى مجموعات بيانات منظمة مناسبة للتعلم الآلي. يتضمن هذا الفصل تقنيات وضع العلامات والتجزئة واستخراج الميزات - خطوات حاسمة لتدريب النماذج واختبارها بنجاح. المحاضرة 6: مقدمة إلى DL في هذا الفصل، نقدم أساسيات التعلم العميق ونشرح سبب كون Keras مكتبة مناسبة للعمل مع بيانات EEG. ستكتسب فهمًا أساسيًا لمفاهيم التعلم العميق، وكيفية تطبيقها على معالجة إشارات تخطيط كهربية الدماغ (EEG)، وأين يمكنك العثور على مزيد من المعلومات حول Keras وإمكانياته. وهذا يضع الأساس لتنفيذ الشبكات العصبية في المحاضرات القادمة. المحاضرة 7. الشبكات العصبية التلافيفية (CNNs) لـ EEG يقدم هذا الفصل الشبكات العصبية التلافيفية (CNNs) وتطبيقها على معالجة إشارات EEG. ستتعلم النظرية الكامنة وراء شبكات CNN، وكيفية استخدامها لاستخراج الميزات تلقائيًا، وكيفية تنفيذ وضبط بنية CNN لبيانات EEG باستخدام Keras. المحاضرة 8. الشبكات العصبية المتكررة (RNNs) وLSTMاستكشف كيف يمكن للشبكات العصبية المتكررة (RNNs)، وخاصة شبكات الذاكرة طويلة المدى (LSTM)، أن تصمم التبعيات الزمنية في إشارات EEG. يغطي هذا الفصل كلاً من الخلفية النظرية والتنفيذ العملي، ويرشدك خلال إنشاء وتحسين بنيات LSTM لتحليل EEG. المحاضرة 9. أجهزة التشفير التلقائي والنماذج التوليدية انغمس في التعلم العميق غير الخاضع للإشراف باستخدام أجهزة التشفير التلقائي وشبكات الخصومة التوليدية (GANs). تعرف على كيفية استخدام هذه النماذج لتعلم الميزات واكتشاف الحالات الشاذة وتوليد البيانات الاصطناعية في تطبيقات تخطيط كهربية الدماغ. يجمع هذا الفصل بين النظرية والأمثلة العملية باستخدام Keras. المحاضرة 10. الاستنتاج في الفصل الأخير، نلخص النقاط الرئيسية من الدورة ونحدد الخطوات التالية المحتملة لرحلة التعلم الخاصة بك.

ما هي المتطلبات الأساسية لدخول الدورة والتسجيل فيها على موقعنا؟ رحلة التعلم:

(احصل على الدورة للدخول إلى الموقع والتسجيل)

يجب أن يكون لديك بريد إلكتروني (حساب بريد) تتذكره لنفسك وأيضًا يجب أن تتذكر كلمة مرور البريد الإلكتروني الذي ستسجل به ، وإذا لم يكن لديك حساب بريد إلكتروني ، فمن الأفضل إنشاء حساب (Gmail)