کارشناس پردازش داده‌های پزشکی

کلیات حل مساله

ساختار الگوریتم ها

دستورات شرطی

حلقه و تکرار

حل چند مساله

فلوچارت

تابع نویسی

متغیرهای محلی

ساخت رشته

کنترل نحوه نمایش

لیست ها

توابع کار با لیست

تاپل ها

دیکشنری و مجموعه

ساختار شرطی

حلقه ها

حلقه در ساختارهای داده

رسم اشکال هندسی(حل تمرین)

مثلث خیام پاسکال(حل تمرین)

شی گرایی 1

شی گرایی 2

کار با فایل

آشنایی با انواع خطا

مدیریت استثنا1

مدیریت استثنا2

استثنا(حل تمرین)

ویروس و آنتی ویروس

توضیحات محیط و نصب

عملگرهای ریاضی

عملگرهای شرطی، منطقی و بیتی

رسم نمودار گرافیکی

رسم نمودارهای آماری

توابع لامبدا و رسم سری ریمان(حل تمرین)

آرایه های چند بعدی در Numpy

اعمال توابع در Numpy

آمار و احتمالات در Numpy

فکر بکر 1(حل تمرین)

فکر بکر 2(حل تمرین)

دیتافریم در Pandas

گروه بندی داده ها در Pandas

مبانی آمار و احتمال

متغیرهای تصادفی

توزیع‌های آماری

توزیع‌های گسسته

گشتاورها

دو متغیر تصادفی

ضریب همبستگی

بردارهای تصادفی

تئوری اطلاعات

نئوری اطلاعات 2

تعریف بهینه سازی

توابع بهینه سازی

مشتق مرتبه دوم

الگوریتم‌های بهینه سازی

مبانی ریاضیاتی

سیستم‌های خطی

معادله برداری

معادله ماتریسی

جبر ماتریسی

فضاهای برداری

بعد برداری

رتبه ماتریس

نرم‌های برداری و ماتریسی

مقادیر ویژه و بردارهای ویژه

تجزیه‌های ماتریسی

تجزیه مقدار منفرد

Introduction to Machine Learning

?What is Machine Learning

Learning Types

Bayesian Networks

Inference in Bayesian Networks

Naive Bayes Classifier

Naive Bayes classifier Example

Hidden Markov Model

Decision Tree

Entropy

ID3 algorithm

C4.5 algorithm

بررسی معیارهای ارزیابی در درخت تصمیم

بررسی ماتریس درهم ریختگی و نمودار ROC در درخت تصمیم

پیاده سازی درخت تصمیم

Ensemble of Classifiers

Stacking & Bagging

Boosting & Adaboost

Ensemble(Programing)

Evaluation Metrics

Gaussian Naive Bayes

Gaussian Naive Bayes Parametric

Naive Bayesian 01(Programing)

Naive Bayesian 02(Programing)

KNN

KNN decision boundary

KNN 01(Programing)

KNN 02(Programing)

Introduction to Linear Regression

Gradient Descent

Nonlinear Regression

Bias & Variance

Regularization

Introduction to Sklearn(Programing)

Pre-process 01(Programing)

Pre-process 02(Programing)

Pre-process 03(Programing)

Pre-process 04(Programing)

Pre-process 05(Programing)

Pre-process 06(Programing)

Regression 01(Programing)

Regression 02(Programing)

Regression 03(Programing)

Regression 04(Programing)

Logistic Regression

Formalism

Roc Curve

Logistic Regression(Programing)

Multiclass

SVM

Svm Example

Kernel Functions

Soft Margin in Svm

SVM(Programing)

معیار‌های فاصله و شباهت

انواع روش‌های خوشه‌بندی

خوش‌بندی سلسله مراتبی

الگوریتم K-means

الگوریتم Kernel K-means

الگوریتم DBSCAN

معیار‌های ارزیایی خوشه‌بندی

مقایسه Linkage‌ های مختلف در خوشه‌بندی سلسله مراتبی (Programming)

نحوه استفاده از الگوریتم DBSCAN و ارزیابی آن (Programming)

پیاده‌سازی الگوریتم k-means روی مجموعه داده digits (Programming)

استفاده از الگوریتم k-means برای color quantization (Programming)

تخمین توزیع و تخمین‌گر MLE

توزیع نرمال و تخمین‌گر MLE

توزیع نرمال چند متغیره

الگوریتم EM و توزیع GMM

الگوریتم EM

کاربرد GMM در خوشه‌بندی و تخمین توزیع (Programming)

مقدمه‌ای بر روش‌های کاهش بعد

روش‌های انتخاب ویژگی

Sequential Forward Selection

Bias-Variance Tradeoff

PCA (part1)

PCA (part2)

PCA using SVD (Matrix Factorizations)

LDA (part1)

LDA (part2)

مقایسه‌ی PCA , LDA (Programming)

مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین

تقسیم‌بندی مسائل یادگیری ماشین: یادگیری با‌نظارت و بدون نظارت

مسائل و کاربرد‌های یادگیری بدون نظارت

Normalizing Flows

رابطه‌ی تغییر متغیر (Change of Variable Formula)

مدل NICE

مدل RealNVP

مدل Glow

Semi-Supervised و الگوریتم Self-Training

الگوریتم Co-training و Label Propagation

Semi-Supervised Learning and Bias-Variance Tradeoff

Data Augmentation

Transfer Learning

Self-Supervised Learning

BERT and GPT Models

تحلیل احساسات با استفاده از مدل (Programming) BERT

Autoencoder

برخی از کاربرد‌های Autoencoder (Denoising)

Variational Autoencoder

VAE: Regularized Latent Space

تشخیص ناهنجاری و الگوریتم Isolation Forest

تشخیص ناهنجاری با استفاده از AE و تخمین توزیع

تشخیص ناهنجاری با استفاده از Isolation Forest بر روی کارت‌های اعتباری (Programming)

بهینه‌سازی شبکه‌های عصبی

Dropout

Data Augmentation & Batch Normalization

طراحی شبکه‌های عمیق 01

طراحی شبکه‌های عمیق 02

طراحی شبکه‌های عمیق 03

معرفی اتوانکدر‌ها

کاربرد اتوانکدر‌ها

مدل‌های مولد

مدل‌های مولد تخاصمی

انواع مدل‌های GAN

StyleGAN

چالش‌های مدل‌های GAN & مدل‌های مولد متن به تصویر

مدل‌های مولد متن به تصویر

شبکه‌های عصبی MLP

مفهوم کانولوشن

کانولوشن در پردازش تصویر

شبکه‌های عصبی کانولوشنال 01(CNN)

شبکه‌های عصبی کانولوشنال 02(CNN)

لایه Transposed Conv

شبکه AlexNet

شبکه VGG & GoogleNet & ResNet

شبکه‌های عصبی 01

شبکه‌های عصبی 02

الگوریتم گرادیان کاهشی

الگوریتم گرادیان کاهشی 02

پیاده سازی الگوریتم گرادیان کاهشی بر روی شبکه عصبی پرسپترون

الگوریتم پس انتشار خطا

batch & mini-batch & stochastic gradient descent

مثال ساده طبقه بندی

مقدمه

دستاوردهای هوش مصنوعی 01

دستاوردهای هوش مصنوعی 02

هوش مصنوعی در بازار کار

آینده هوش مصنوعی 01

آینده هوش مصنوعی 02

یادگیری عمیق چیست؟

تاریخچه شبکه‌های عصبی

تفاوت یادگیری عمیق و کلاسیک

فرایند کلی یادگیری عمیق

یادگیری انتقالی(Transfer Learning)

مثال

پیاده سازی Transfer Learning

مقدمه

یادگیری ماشین

انواع روش ‌های یادگیری ماشین

یادگیری تقویتی

چالش‌های یادگیری ماشین 01

چالش‌های یادگیری ماشین 02

چالش‌های یادگیری ماشین 03

Deep learning frameworks

Tensorflow

آموزش Google Colab

Deep Feed-Forward Coding

Deep Forward Implementation

CNN 01

CNN 02

Training and overfitting

شبکه‌های بازگشتی

شبکه‌های بازگشتی و مکانیزم توجه

مکانیزم توجه

ترانسفورمرها 01

ترانسفورمرها 02

انواع مطالعات

انواع متغیرها و انواع نمودارها

نحوه وارد کردن داده‌ها و ذخیره آن در نرم افزار SPSS

رسم جدول فراوانی، داده‌های گم‌شده و محاسبه آمار توصیفی

فرمان Recode و label دادن به کدها

Select Cases, Split File, Logical Expression

فرمان Compute

نمودار جعبه‌ای و کاربرد آن در تعیین داده‌های پرت – معرفی فایل Syntax

مروری بر کاربرد توزیع نرمال قسمت اول

مروری بر کاربرد توزیع نرمال قسمت دوم

مروری بر مفهوم برآورد پارامترهای جامعه و قضیه‌ی حد مرکزی

آزمون فرض

آزمون اختلاف میانگین با عدد ثابت

مفهوم P-Value و توزیع t

کاربرد نرم‌افزار برای آزمون اختلاف میانگین با عدد ثابت

آزمون تطابق نمونه با توزیع نظری به کمک نرم‌افزار

آزمون اختلاف میانگین دو جامعه

نمودار Error Bar

آزمون‌های پارامتری و ناپارامتری

آزمون t زوجی

آزمون‌های تجربی و نیمه‌تجربی

آزمون کای‌دو

آزمون کای‌دو به کمک نرم‌افزار

اشتباهات رایج در تفسیر نتایج آزمون کای‌دو

آزمون مک‌نمار

آنالیز واریانس یک‌طرفه

آشنایی با تحلیل بقا

روش کاپلان–مایر با نرم‌افزار و آزمون لگ‌رنک (Log-Rank)

معرفی جدول بقا (Life Table) به کمک نرم‌افزار

مقدمه‌ای بر نرم‌افزار R و RStudio

معرفی بردارها، ماتریس‌ها و خواندن فایل داده‌ها در RStudio

رسم نمودارها

روش استفاده از فرمان Function در R و کاربرد Loop

تجزیه‌ و تحلیل داده‌ها – آزمون‌های فرض t-test در نرم افزار R

آزمون مک‌نمار، آنالیز واریانس یک‌طرفه و معرفی تحلیل بقا در نرم افزار R

مقدمه سیگنال

تبدیل فوریه - قسمت 1

تبدیل فوریه - قسمت 2

DFT

نمونه برداری - قسمت 1

نمونه برداری - قسمت 2

کاربرد DFT قسمت 1

کاربرد DFT قسمت 2

سیگنال تصادفی - قسمت 1

سیگنال تصادفی - قسمت 2

تعاریف اولیه سیستم

سیستم های LTI

فیلترها - قسمت 1

فیلترها - قسمت 2

فیلترها - قسمت 3

طراحی فیلتر - قسمت 1

طراحی فیلتر - قسمت 2

مقدمه سیگنال های حیاتی

سیگنال های قلبی - قسمت 1

سیگنال های قلبی - قسمت 2

سیگنال های حیاتی مختلف

سیگنال های مغزی - قسمت 1

سیگنال های مغزی - قسمت 2

سیگنال های مغزی - قسمت 3

سیگنال های مغزی - قسمت 4

تخمین پارامتر آماری - قسمت 1

تخمین پارامتر آماری - قسمت 2

متوسط گیری سنکرون

فیلتر وفقی - قسمت 1

فیلتر وفقی - قسمت 2

فیلتر کالمن

جداسازی کور منابع

مکان یابی و کپستروم

مدل های پارامتری - قسمت 1

مدل های پارامتری - قسمت 2

مدل های پارامتری - قسمت 3

تخمین طیف - قسمت 1

تخمین طیف - قسمت 2

مقدمه زمان فرکانس

تقسیم بندی تبدیل های زمان فرکانس

ویولت پیوسته

ویولت گسسته - قسمت1

ویولت گسسته - قسمت 2

ویولت گسسته - قسمت 3

مقدمه یادگیری

تقسیم بندی روش های یادگیری

داده و ویژگی

طبقه بندی

مثال - تناسب مدل - هنجار سازی

ارزیابی

ویژگی EEG - قسمت 1

ویژگی EEG - قسمت 2

ویژگی EEG - قسمت 3

مقدمه کاربردها

پیش پردازش EEG

حذف نویز EEG

خواب و صرع 1

صرع 2

ارتباطات 1

ارتباطات 2

مقدمه BCI- قسمت 1

مقدمه BCI- قسمت 2

انواع BCI

ps300-speller - قسمت 1

ps300-speller - قسمت 2

ssvep-speller and MI based speller

انواع دیگر و جمع بندی BCI

پردازش ECG

مدل EKF - قسمت 1

مدل EKF - قسمت 2

کاربرد EKF

رسم محتوای فرکانسی سیگنال

نمایش زمان - فرکانس

چند نمونه سیگنال زیستی

حذف نویز سیگنال قلبی با فیلتر وفقی

کار با نرم افزار EEGLAB قسمت اول

کار با نرم افزار EEGLAB قسمت دوم

استخراج ویژگی سیگنال مغزی و کاهش بعد

جداسازی سیگنال قلبی جنین

الگوهای سیگنال مغزی P300 و SSVEP

Introduction to MIAP Course - Aims and Goals

Medical Imaging and Medical Images

Imaging Modalities - X-Ray

Imaging Modalities - Fluoroscopy and Ultrasound

Imaging Modalities - Nuclear Medicine and Magnetic Resonance Imaging

Imaging Modalities - Optical Imaging and Basics of Image Processing

Image Enhancement: Definitions and Categorizations

Intensity Transform and Power Law

Histogram Processing - Definitions and Histogram Equalization

Histogram Processing - Local Histogram Equalization and Digital Subtration Angiography

Spatial Filtering and Convolution

Gaussian Filtering and Median Filtering

Image Sharpening Filters

Linear Shift Invariant Systems and Discrete Fourier Transforms (DFT)

Fourier Domain Image Processing - Image Restoration and Wiener Filters

Adaptive Local Wiener Filter

Introduction and Classical Regression

Bilateral Filtering (BF)

Non Local Mean Filtering (NLMF)

Wavelet Denoising - Introduction

Wavelet Denoising - Methods

Block Matching and 3D Filtering (BM3D)

Total Variation and Diffusion Anisotropic Filtering

Machine learning and Denoising

Introduction to Image Segmentation Task

Medical Image Consideration and Segmentation Validation

Strategies - Soft and Hard Segmentation

K-means and Fuzzy C-Means (FCM)

Fuzzy C-Means (FCM) and Gaussian Mixture Models (GMM)

Mean Shifts

Supervised Methods (MLP and CNN)

Deep CNN – Loss Functions

Deep CNN - Architectures

Deformable Models - Introduction

Deformable Models - Methods

Introduction - Preliminary

Problem Importance and Examples and Applications (1)

Problem Importance and Examples and Applications (2)

Basics and Definitions

Registration Categorization (1)

Registration Categorization (2)

Registration Implementation (Two Dimensional)

Registration Implementation (Three Dimensional) and Global Transform

Affine, Projection, and Bilinear Transform

Polynomial, RBF, TPS, and PAR Registration

ICP and Image Information

Similarity Measure (SSD, SAD, CC, RIU)

Similarity Measure (PIU, RC, and Joint Probability)

Similarity Measure – Mutual Information (MI)

Registration Validation and Machine Learning

Algorithm implementation(basic methods)

Algorithm implementation(Enhancement and Denoising)

Algorithm implementation(Segmentation and Registration)

Course introduction

design machine learning system

example of machine learning application

model selection

machine leaning evaluation

perfotmance evaluation metrics

ROC curves

Multi Layer Perceptrom(mlp)

Main step of the training process of Mlp

clustring

intoduction to deep learning

convolutional neural network (CNN)

pre trained CNN models

transfer learning

RNN and LSTM in medical data processing

auto encoder (AE)

generative adversarial network

generative adversarial network

Combining Pattern Classifiers(1)

Combining Pattern Classifiers(2)

Application of AI in Neuroscience(1)

Application of AI in Neuroscience(2)

EEG processing by deep learning

application of EEG processing by deep learning

fMRI processing by deep learning

Classification of Nonalcoholic Fatty Liver Grades

Diagnosis of severity and stage of COVID-19 patients

Review related articles

تشخیص میزان عمق بیهوشی به کمک استخراج ویژگی های زمانی و فرکانسی از سیگنال EEG

پیش بینی بروز آلزایمر با استفاده از دادگان کلینیکی ADNI – پیش پردازش دیتاست ADNI

پیش بینی بروز آلزایمر با استفاده از دادگان کلینیکی ADNI - طبقه بندی دیتاست ADNI

تشخیص تومور از روی عکس های MRI – مقدمات pytorch برای ساختن پیکربندی شبکه های عمیق

تشخیص تومور از روی عکس های MRI – طبقه بندی عکس های MRI

بخش بندی عکس های MRI برای جداسازی ناحیه توموری – توضیح دیتاست و ساختار شبکه UNET

بخش بندی عکس های MRI برای جداسازی ناحیه توموری - آگمنت کردن دیتاست و آموزش UNET

ساخت داده های سنتز شده به کمک شبکه های عمیق در تشخیص اسکیزوفرنی – چگونگی تولید اسپکتوگرام

ساخت داده های سنتز شده به کمک شبکه های عمیق در تشخیص اسکیزوفرنی – تولید عکس های سنتز شده 1

ساخت داده های سنتز شده به کمک شبکه های عمیق در تشخیص اسکیزوفرنی – تولید عکس های سنتز شده 2

ساخت داده های سنتز شده به کمک شبکه های عمیق در تشخیص اسکیزوفرنی – طبقه بندی عکس های اسپکتوگرام قبل و بعد از سنتز

طبقه بندی افراد سالم و افسرده به کمک تصاویر ویولت مستخرج از سیگنال EEG – پیش پردازش دیتاست و تولید عکس های مبتنی بر تبدیل ویولت پیوسته

طبقه بندی افراد سالم و افسرده به کمک تصاویر ویولت مستخرج از سیگنال EEG – طبقه بندی عکس های ویولت به کمک ساختار های Pretrained CNN

طبقه بندی افراد سالم و افسرده به کمک تصاویر ویولت مستخرج از سیگنال EEG – طبقه بندی عکس های ویولت به کمک ساختار CNN-LSTM

معرفی متدولوژی های توسعه نرم افزار

چرخه عمر DevOps

طریقه پیاده سازی Gitflow

نصب و راه‌اندازی گیت‌لب

پایپ‌لاین CI/CD

راه‌اندازی گیت‌لب رانر

سامانه ارزیابی کیفیت کد(سونار‌کیوب)

داکر

مدیریت خط تولید

مثال عملی

ارزیابی کیفیت کد پروژه یادگیری ماشین در پایپ لاین 01

ارزیابی کیفیت کد پروژه یادگیری ماشین در پایپ لاین 02

Data Lifecycle

Data

Responsible Data

Labelling

Data Issues

Feature Engineering

Preprocessing in Production

TF Transform

Feature Selection Example

ML Metadata

Evolving Data

Advanced Labeling

Model Serving

Serving Systems

Serving Patterns

Online and Batch Inference

Experiment Tracking

Mlops level 0, 1 and 2

CI/CD

Monitoring and Privacy

FastAPI and a Simple Deep Model

TensorFlow Data Validation

Preprocess Data with TensorFlow Transform

Simple TFX Pipeline

Recursive Feature Elimination

Active Learning

Keras Tuner

Post-Training Quantization

Quantization Aware Training

Pruning

Distributed Training: One Device Strategy

Knowledge Distillation

Introduction

ML Project Life Cycle

ML life Cycle: Case Study

Deployment

Common Deployment Patterns

Monitoring

Pipeline Monitoring

Modeling

Low Average Test Error isn't Good Enough

Establish a Baseline

Performance Auditing

Data-centric AI

Data Definition

Label Consistency

HLP

Data Pipeline

Scoping

Neural Architecture Search

Auto ML

Resource Management

Quantization and Pruning

High Performance Modeling

Model analysis

Robustness

Remediation and Monitoring

Interpretability

توضیح پروژه بخش اول

توضیح پروژه بخش دوم