قیمت 480,000 تومان

اساتید کارگاه آشنایی با کاربردهای هوش مصنوعی در بیومدیکال ساینس
• دکتر زهره عظیمی فر
دانشیار دانشکده مهندسی کامپیوتر دانشگاه شیراز
فوق دکتری پردازش تصاویر پزشکی از دانشگاه تورنتو کانادا
• دکتر ملیحه الزمان منصفی
استاد تمام بخش زیست شناسی دانشگاه شیراز
دکتری آناتومی از دانشگاه شیراز
هوش مصنوعی یکی از علوم نوین است که با سرعتی باورنکردنی در حال گسترش مرزهای خود در تمام شاخه های علمی است. یکی از مهم ترین کاربردهای این حوزه، در علوم زیست پزشکی متبلور می شود چرا که بسیاری از تکنیک های فعلی که در زیست شناسی و علوم پزشکی مورد استفاده هستند هزینه های زیادی را به محققین و سیستم درمانی کشورها وارد می کند و همچنین بعضا با کندی زیادی انجام می شوند. هوش مصنوعی با ارائه راهکارهای منحصر به فردی می تواند هم هزینه های تحقیقات، تشخیص و درمان را کاهش دهد و هم با دقت بالاتری اقدام به ارائه نتیجه کند.
در کارگاه آشنایی با کاربردهای هوش مصنوعی در بیومدیکال ساینس تلاش می کنیم تا با استفاده از تجارب دو استاد باتجربه و دانشمند در دو حوزه زیست شناسی و هوش مصنوعی، مقدماتی از کاربردهای هوش مصنوعی در علوم زیست پزشکی را به علاقه مندان ارائه دهیم و یاد می گیریم که چگونه بتوانیم مسائل زیستی را با عینک هوش مصنوعی ببینیم و اقدام به حل آنان کنیم.
گواهی شرکت در این دوره از طرف مرکز رشد بیوتکنولوژی دانشگاه علوم پزشکی شیراز به دانشجویان ارائه خواهد شد.
سرفصل های کارگاه آشنایی با کاربردهای هوش مصنوعی در بیومدیکال ساینس:
- آشنایی با مبانی هوش مصنوعی
هوش مصنوعی ( Artificial intelligence؛AI)، هوشی است که توسط ماشینها ظهور پیدا میکند و در مقابل هوش طبیعی که توسط جانوران استفاده میشود قرار میگیرد. درواقع هر سامانهای که محیط خود را درک کرده و کنشهایی را انجام میدهد که شانسش را در دستیابی به اهدافش بیشینه سازد، یک سامانهی هوشمند به شمار میرود.درواقع هوش مصنوعی عملکردهای «شناختی» همچون «یادگیری» و «حل مسئله» را از ذهن انسان تقلید میکند.
گفته می شود حدودا هر۱۸سال توانمندی کامپیوترها دو برابر و قیمت آنها نصف میشود.در حالی که مغز بشر از ابتدای خلقت تاکنون تغییر قابل توجهی نکرده و هر چند نمودار پیشرفت آن صعودی است اما با رشد کم و شیب کند رخ میدهد.نمودار نمایی و شدیدا صعودی رشد کامپیوترها نشان میدهد جهان روز به روز بیشتر به یک دنیای کامپیوتری شبیه میشود تا جایی که پیش بینی می شود تاسال۲۰۲۳این دو نمودار با هم تلاقی پیدا کرده و حتی کامپیوترها از انسان پیشی بگیرند! از آنجایی که هوش مصنوعی در همهی رشتهها کاربرد دارد، هر فرد آینده نگری که به پیشرفت در رشتهی خود میاندیشد لازم است نیم نگاهی به اصول کلی آن داشته باشد.
- بررسی سلولهای نرمال و سرطانی جمع آوری شده از واژن
در پزشکی، تشخیص زودهنگام سلول سرطانی از سلولهای سالم از اهمیت ویژهای برخوردار است و هرچه زمان این تشخیص سریعتر بوده و در مراحل اولیهی بیماری باشد، ارزش بیشتری دارد زیراکه اجازهی به کارگیری روشهای درمانی متنوع تری را به پزشک میدهد.
برای این کار ابتدا از نمونهی جمع آوری شده اسمیر تهیه شده و نمونه زیر میکروسکوپ مطالعه میشود. سلولهای سرطانی شکل و شمایل و ویژگیهای مورفولوژیکی متفاوتی با سلولهای سالم دارد و یک پژوهشگر بیولوژی میتواند با گروهبندی این ویژگیها، دادههای لازم را برای نوشتن یک الگوریتم مناسب تشخیص را دراختیار محقق هوش مصنوعی قرار دهد.
- بررسی سلولهای بنیادی درحال رشد در محیط کشت
سلول بنیادی مادر همهی سلولها است و توانایی تبدیل به تمام سلولهای بدن را دارد. این سلولها توانایی خودنوسازی و تمایز به انواع سلولها از جمله سلولهای خونی، قلبی، عصبی و غضروفی را دارند. هم چنین در بازسازی و ترمیم بافتهای مختلف بدن بهدنبال آسیب و جراحت موثر بوده و میتوانند به درون بافتهای آسیب دیدهای که بخش عمده سلولهای آنها از بین رفته است، پیوند زدهشوند، جایگزین سلولهای آسیب دیده شده و به ترمیم و رفع نقص در آن بافت بپردازند.این سلول ها از منایع جنینی یا بالغ قابل استخراج اند و امروزه نقش موثری در درمان بسیاری از بیماریها پیدا کرده اند.
برای استفاده از این سلولها ابتدا باید آنها را کشت داد. معمولا بعد از گذشت مدتی از کشت این سلولها، تعدادی از آنها پیر شده و پتانسیل لازم برای ایجاد سلول های متنوع را از دست می دهند. شناسایی دقیق این سلول های پیر با چشم کار دشوار و پرخطایی است اما با استفاده از هوش مصنوعی می تواند به سادگی و در زمان بسیار اندک انجام شود.
- کاربرد پردازش تصویر در بررسی سلولهای یاد شده
شما با دیدن عکس یک منظره مطابق شکل زیر به ویژگیهای مختلفی از آن پی میبرید و کاملا میتوانید جای هر جز را در آن مشخص و آن را تحلیل کنید.
حال یک اسلاید از سلولهای سرطانی شده و سلولهای نرمال یا یک تصویر اسکن مغزی را تصور کنید.آیا تحلیل این عکس هم مانند تحلیل تصویر منظره است؟آیا با مشاهدهی آن میتوان اطلاعات خوبی دربارهی بیماری فرد پیدا کرد؟ چقدر ممکن است خطا کنیم؟آیا میتوانیم به ماشینها آموزش دهیم تا این تصاویر را برای ما پردازش کنند؟در این صورت درصد خطای ما چقدر خواهد بود؟
یکی از حوزههای جذاب پردازش تصویر، بررسی ویژگیهای سلولی و تمایز بین آنها با درصد خطای بسیار پایین است.امروزه تشخیص سلولهای سالم از سرطانی،گزینش تخمکها و اسپرمهای با پتانسیل بالا برایIVFیا بررسی سلولهای بنیادی در حال رشد در محیط کشت به کمک هوش مصنوعی انجام میشود. ما در این کارگاه شما را با اصول کلی پردازش این تصاویر و استفاده از آن در پروژههای واقعی آشنا میکنیم.
- کاربردیادگیری ماشین در بررسی سلولهای یاد شده
یادگیری به چه مفهومی است؟
یادگیری را میتوان بهتر شدن عملکرد در یک وظیفه خاص با استفاده تجربه و تمرین تعریف کرد.
تصور کنید با استفاده از فلش کارت قصد داریم تفاوت بین گربه و سگ را به کودکی آموزش دهیم. یک کارت را به کودک نشان میدهیم، کودک یکی را انتخاب میکند،سپس کارت برای انتخاب درست یا اشتباه در یکی از دو ستون مربوط قرار میگیرد. با تمرین کودک، عملکرد وی بهبود مییابد و نه تنها میتواند تصاویر روی فلشکارتها را تشخیص دهد بلکه قادر است تصاویر سگ و گربهی واقعی را نیز از یکدیگر تفکیک کند.
درواقع وقتی برای اولین بار یک تصویر را میبینیم یک مجموعه نورون خاص تحریک میشود.حال اگر این تصویر را چندین بار ببینیم ارتباط نورونهای تحریک شده بیشتر میشود و ممکن است ارتباطات آنقدر قوی شود و مغز به جایی برسد که اگر فقط تعدادی از نورونهای دخیل در این فرایند تحریک شوند بقیه هم به خاطر ارتباطات شدید با آنها تحریک شوند و پیام ارسال شود! این توانایی تعمیم دهی در بهکار بردن دانش بهدست آمده برای نمونههایی که تاکنون آنها را مشاهده نکرده ایم، همان ویژگی اصلی یادگیری در انسان و ماشین میباشد.
یادگیری ماشین یعنی چه؟
تام میشل یادگیری را در برنامههای رایانهای اینگونه توصیف میکند:
“هرگونه برنامه رایانهای که کارایی آن در یک کار خاص با تجربه بهبود یابد”.
بر طبق این تعریف در پرسش بوجود میآید:
- یک رایانه چگونه میداند که دروظیفه خاص مورد انجام در حال بهتر شدن عملکرداش هست یا نه؟
- رایانه چطور میداند که باید چگونه در انجام این وظیفه بهبود یابد؟
ما در طول روز اغلب با ماشینهایی مواجه هستیم که کاریکه برای آن برنامهریزی شدهاند را به روشی مکانیکی انجام میدهند. ما در یادگیری ماشین به ماشینها آموزش میدهیم که همانند انسانها بتوانند از تجربه درس بگیرند و در یک محیط کنترل شده رفتار خود را تغییر دهند تا کارآیی بیشتری داشته باشند. درواقع ماشین یاد میگیرد وظایفی را انجام دهد که به صراحت برنامهریزی نشده و عملکرد ماشین به صورت خودکار از طریق تجربه در انجام این وظیفه، بهبود مییابد. تلاش برای ایجاد ماشینی که همانند انسان تفکر کند مسیری طولانی را طی کرده است. ما در این کارگاه به شما آموزش میدهیم که چطور میتوان به یک ماشین آموزش داد تا تصاویر مختلفی که مثلا از نمونههای سلولی آماده شده اند را بررسی کند.
یادگیری ماشین چه تفاوتی با برنامه نویسی سنتی دارد؟
وقتی میخواهیم رایانه را وادار کنیم یک وظیفه ی خاص را انجام دهد باید برنامه و دستورالعملی به زبان رایانه بنویسیم. در واقع در اینجا یک شخص باید دادهها و مجموعهای از قوانین را به عنوان ورودی به رایانه بدهد و با اعمال این قوانین بر دادهها پاسخها را به عنوان خروجی بدست میآیند.
اما در یادگیری ماشین دادهها و پاسخها به عنوان ورودی به ماشین داده میشود و از قوانین (مدلها) به عنوان خروجی استفاده میگردد.
الگوی یادگیری ماشین از ارزش بینظیری برخوردار است. چرا که، به ماشین اجازه میدهد تا قوانین جدیدی را در فضای پیچیده و با ابعاد بالا که درک آن برای انسان دشوارتر است را بیاموزد.
به همراه گواهی شرکت در دوره از طرف مرکز رشد بیوتکنولوژی دانشگاه علوم پزشکی شیراز
کارگاه به چه صورتی برگزار میشه ؟
کارگاه در روزهای چهارشنبه و پنج شنبه ۲۳ و ۲۴ آذر ۱۴۰۱ ساعت ۱۷تا۲۰ و به صورت آنلاین برگزار خواهد شد.
من در ساعتی که کارگاه برگزار میشه امکان شرکت ندارم. باید چیکار کنم؟
بعد از جلسات، ویدیوهای ضبط شده کلاس ها در اختیارتان قرار خواهد گرفت و شما میتوانید از آن ها استفاده کنید.
آیا کارگاه گواهی داره؟
بله، سرتیفیکیت این کارگاه از طرف مرکز رشد بیوتکنولوژی دانشگاه علوم پزشکی شیراز و به زبان انگلیسی به شما اعطا خواهد شد.
آیا داشتن گواهی به درد میخوره؟
داشتن گواهی میتونه به عنوان یک نقطه مثبت در رزومه شما مطرح باشه. به خصوص درباره مباحث پیشرفته تر که لازم به ارائه مدرک برای نشان دادن مسلط یا آشنا بودن به یک موضوع خاص است، اهمیت گواهی معتبر نمایان تر می شود که با گواهی دانشگاه علوم پزشکی شیراز این اعتبار تضمین شده است. هر چند که ارائه گواهی بدون تسلط بر موضوع کارگاه کار بیهوده ایست و توصیه می شود حتما مطالب کارگاه را به خوبی بیاموزید.
این کارگاه برای چه گروه های مناسب است؟
مخاطبان اصلی این کارگاه دانشجویان رشته های مهندسی و علوم کامپیوتر، گرایش های زیست شناسی، علوم آزمایشگاهی، داروسازی، پزشکی، رادیولوژی و سایر رشته های مرتبط با رشته های علوم زیستی و علوم پزشکی است. در عین حال علاقه مند به بحث هایی مانند سرطان، سلول های بنیادی و هوش مصنوعی می توانند در این کارگاه شرکت کنند.
در این کارگاه چه اهداف آموزشی دنبال می شود؟
به علت اهمیت هوش مصنوعی در دنیای امروز و کاربردهای فراوان این رشته در حوزه تحقیقات، خدمات و صنایع علوم زیست پزشکی لازم است که دانشجویان رشته های مرتبط دیدی تلفیقی از هوش مصنوعی و بیولوژی داشته باشند تا بتوانند به پرسش های این حوزه از علم پاسخ های بهتری ارائه دهند. به همین دلیل کارگاه آشنایی با کاربردهای هوش مصنوعی در بیومدیکال ساینس برگزار خواهد شد تا این نیاز برطرف شود. در عین حال به علت اهمیت بحث و در صورت استقبال مناسب، بیولوژیسم، دوره های پیشرفته تری نیز در برنامه آموزشی خود قرار خواهد داد تا علاقه مندان بتوانند تجربیات بیشتری را کسب کنند.
تفاوت این کارگاه با کارگاههای مشابه چیست؟
کاربرد هوش مصنوعی در بیومدیکال ساینس یک نگاه بدیع بین دو رشتهی زیست شناسی و کامپیوتر است. علوم بین رشتهای علومی نوپا و پرکاربرد هستند که آیندهی درخشانی را برای افراد علاقهمند رقم میزنند اما در عین حال به دلیل پیچیدگی این علوم، کمتر کسی تسلط لازم در ارائهی مفهومی همهی جنبههای آن را دارد.
اما بیولوژیسم با برگزاری این دوره با تدریس دو استاد مجرب در دو حوزهی زیستشناسی و کامپیوتر تمام خلاهای علمی این دانش بین رشتهای را پر کرده و کارگاهی جامع و کاربردی در این زمینه طراحی کرده است. درواقع در این کارگاه یاد میگیریم که چگونه مسائل زیستی را با عینک هوش مصنوعی ببینیم و اقدام به حل آنان کنیم.
آیا دوره دارای پشتیبانی علمی است؟
بله، شما در طول دوره و حتی بعد از اتمام دوره میتوانید از پشتیبانی علمی هر دو استاد دوره بهره مند شوید و تمام سوالاتتان را از ایشان در گروه واتسپی که تشکیل میشود بپرسید.
نقد و بررسیها
هیچ دیدگاهی برای این محصول نوشته نشده است.