کدنویسی مغز: هوش مصنوعی و یادگیری ماشین برای BCIs

آنچه یاد خواهید گرفت:

• سیگنال‌های واقعی EEG را با استفاده از تکنیک‌های پیش‌پردازش مدرن مانند فیلتر کردن، بخش‌بندی اپوک، حذف آرتیفکت و تحلیل باندهای فرکانسی رمزگشایی کنید.
• مدل‌های BCI مبتنی بر یادگیری عمیق، از جمله EEGNet و سایر معماری‌های بهینه‌شده برای تصویرسازی حرکتی، تشخیص وضعیت شناختی و پیش‌بینی بلادرنگ، بسازید.
• پایپ‌لاین‌های کامل BCI را - از بارگذاری دیتاست و استخراج ویژگی تا آموزش مدل، ارزیابی و استقرار پیاده‌سازی کنید.
• با استفاده از BrainFlow ،LSL و دستگاه‌های edge، اپلیکیشن های BCI بلادرنگ برای کنترل تعاملی، نوروفیدبک و رابط‌های کنترل‌شونده با ذهن توسعه دهید.
• مدل‌های یادگیری ماشین را برای سناریوهای بلادرنگ از طریق کوانتیزه‌سازی، هرس، معماری‌های سبک و طراحی آگاه از تأخیر بهینه کنید.
• مدل‌های BCI را برای تعامل مغز و کامپیوتر قابل‌حمل و با تأخیر کم، روی دستگاه‌هایی مانند Jetson Nano ،Raspberry Pi و پلتفرم‌های موبایل مستقر کنید.

پیش نیازهای دوره

• دانش اولیه Python (متغیرها، توابع، اسکریپت‌های ساده)
• آشنایی با اصول یادگیری ماشین (تقسیم train/test، دقت، آموزش اولیه مدل) - مفید است اما الزامی نیست.
• یک رایانه که بتواند Python ،TensorFlow/Keras و MNE را اجرا کند.

توضیحات دوره

قدرت رابط‌های مغز و رایانه (BCI) را با یادگیری نحوه‌ی رمزگشایی مستقیم نیت انسان از سیگنال‌های EEG با استفاده از EEGNet، یکی از پرکاربردترین مدل‌های یادگیری عمیق در نوروتکنولوژی، آزاد کنید. این دوره‌ی عملی به شما می‌آموزد چگونه یک پایپ‌لاین کامل طبقه‌بندی تصویرسازی حرکتی - از بارگذاری دیتاست‌های واقعی EEG تا آموزش، ارزیابی و استقرار یک مدل کاملاً کاربردی بسازید.

شما به‌طور گسترده با دیتاست BNCI-Horizon 004 (BCI Competition IV 2a) کار خواهید کرد؛ یک معیار استاندارد طلایی که در پژوهش‌های دانشگاهی و صنعت استفاده می‌شود. یاد می‌گیرید چگونه پیش‌پردازش سیگنال را انجام دهید، از جمله فیلترگذاری باندگذر، ایجاد اپوک و استانداردسازی، و سپس یک جریان کامل آموزش را با استفاده از TensorFlow/Keras بسازید. این دوره همچنین بهینه‌سازی مدل، ارزیابی عملکرد و تفسیر الگوهای عصبی‌ای را پوشش می‌دهد که تسک های تصویرسازی دست چپ، دست راست، پاها و هر دو دست را از هم متمایز می‌کنند.

فراتر از آموزش EEGNet، شما تجربه‌ی عملی در مفاهیم BCI بلادرنگ به دست می‌آورید و می‌توانید مدل خود را به سمت سیستم‌های کنترل تعاملی گسترش دهید. آزمایشگاه‌های عملی گام‌به‌گام تضمین می‌کنند که نه‌تنها تئوری را درک کنید، بلکه یک سیستم BCI کاربردی را از ابتدا بسازید.

در پایان این دوره، می‌توانید با اطمینان داده‌ EEG را پیش‌پردازش کنید، مدل‌های یادگیری عمیق را برای تصویرسازی حرکتی آموزش دهید و اعتبارسنجی کنید، و درک کنید که BCIها چگونه فعالیت عصبی را به کاربردهای دنیای واقعی مانند پروتزها، بازی‌ها، رباتیک کمکی و سیستم‌های نوروفیدبک تبدیل می‌کنند.

این دوره برای هر کسی که به AI، علوم اعصاب، یادگیری ماشین یا تعامل انسان و رایانه علاقه‌مند است، ایده‌آل بوده و هیچ تجربه‌ی قبلی با سیستم‌های BCI نیاز ندارد.

این دوره برای چه کسانی مناسب است؟

• توسعه‌دهندگان مشتاق BCI و علاقه‌مندان به AI که می‌خواهند تجربه‌ی عملی با دیتاست‌های واقعی EEG و مدل‌های یادگیری عمیق مانند EEGNet داشته باشند.
• یادگیرندگان یادگیری ماشین و یادگیری عمیق که می‌خواهند وارد پردازش سیگنال‌های عصبی و نوروتکنولوژی شوند.
• مهندسان نرم‌افزار و علاقه‌مندان که به ساخت اپلیکیشن‌ها، بازی‌ها، رباتیک یا ابزارهای بلادرنگ برای تمرکز/توجه با کنترل مغز علاقه دارند.
• دانشجویان علوم اعصاب یا علوم شناختی که به‌جای دانش صرفاً نظری، به تجربه‌ی عملی کدنویسی نیاز دارند.
• پژوهشگران و متخصصانی که به دنبال یک گردش کاری ساختاریافته و end-to-end برای پیش‌پردازش EEG، استخراج ویژگی و استقرار بلادرنگ مدل هستند.