آموزش پایتورچ (PyTorch)

معرفی دوره‌ آموزشی PyTorch (تجزیه و تحلیل تصاویر پزشکی با یادگیری عمیق):

امروزه درمان و تشخیص‌های پزشکی یکی از موارد مهم در یادگیری ماشین و مباحث برنامه نویسی به شمار می‌آید. تصاویر تهیه ‌شده با استفاده از تجهیزات تصویربرداری نیاز به تجزیه و تحلیل دقیق‌تر و با سرعت بیشتری نسبت به نیروی انسانی دارند. زبان برنامه نویسی پایتون با استفاده از کتابخانه‌های متعدد این امکان را برای پژوهشگران فراهم نموده تا به این مقوله بپردازند. کتابخانه‌ پایتورچ (Pytorch) به دلیل رابط کاربری آسان و درک بالاتر نسبت به بقیه‌ی کتابخانه‌های پایتون در این دوره تجزیه و تحلیل تصاویر پزشکی مورد بررسی قرار خواهد گرفت.

مهندسین پزشکی و افراد شاغل در بخش‌های تشخیصی درمانی برای بالا بردن اطلاعات و ارتقای مهارت‌های تشخیصی می‌توانند در این دوره شرکت نموده و با استفاده از مهارت‌های یادگیری ماشین و یادگیری عمیق، توانایی تشخیص بیماری‌های مختلف و مشکلات درمانی را از روی تصاویر پزشکی به دست آورند. همچنین دانش‌پژوهان برای یادگیری بیشتر و داشتن مهارت‌های بالا در این زمینه، می‌توانند در آموزش پایتون مقدماتی نیز شرکت نمایند. 

سرفصل‌های دوره‌ آموزشی پایتورچ در تجزیه و تحلیل تصاویر پزشکی با یادگیری عمیق:

1. NumPy
2. نصب و راه اندازی Pytorch
3. تئوری یادگیری ماشین
4. تقسیم داده‌های تست/آموزش/اعتبار
5. ارزیابی مدل - وظایف رگرسیون و طبقه‌بندی
6. تانسورها با PyTorch
7. انواع نت‌ورک‌ها
8. انواع شبکه‌های ALNN
9. پایگاه داده‌ MNIST
10. شبکه‌های عصبی کانولوشنال، لایه‌بندی و Pooling
11. تصویربرداری پزشکی
12. تفسیرپذیری تصمیم شبکه 
13. نحوه Train نمودن
14. بررسی CUDA
15. گیت هاب
16. پیشرفته‌ترین کتابخانه‌های Pytorch سطح بالا: Pytorch-lightning 
17. محیط‌های برنامه نویسی VScode، Pycharm، Google Collab، Jupiter
18. تقسیم‌بندی تومور داده‌های سه‌بعدی

پیش نیاز دوره‌ آموزشی تجزیه و تحلیل تصاویر پزشکی با نرم افزار Pytorch (پایتورچ):

این دوره به ‌طور کلی به پیش نیاز احتیاج ندارد. در این دوره مباحث ابتدایی و تئوری برای کسب مهارت بیشتر تدریس خواهد گردید. 

گواهینامه دوره‌ آموزشی تجزیه و تحلیل تصاویر پزشکی با یادگیری عمیق:

در پایان دوره به پذیرفته‌شدگان مدرک لاتین موسسه پارس پژوهان و فنی‌حرفه‌ای تعلق می‌گیرد.

بعد از شرکت در دوره آموزش پایتورچ با یادگیری عمیق چه مهارت‌هایی کسب می‌کنیم؟ 

1. توانایی کار با متغیرها در پایتون
2. آشنایی با نتورک CNN و هدف و کاربرد دقیق آن 
3. مهارت در شبکه های ALNN و تغییر ابعاد تصاویر
4. مهارت در یادگیری ماشین و یادگیری نحوه‌ی کار با انواع فایل‌ها و انجام عملیات ورودی و خروجی
5. مهارت در اورفیتینگ (Overfitting) 
6. مهارت در ارزیابی با استفاده از Classification Error Metrics و Regression Error Metrics 
7. یادگیری نحوه‌ی استفاده از پایگاه داده در MINIST
8. بررسی MI (Medical Imaging) تصاویر پزشکی
9. مهارت در استفاده از انواع تصاویر X-Ray ،CT ،MRI ،PET
10. آشنایی با ترمینال و محیط‌های برنامه نویسی دیگر پایتون
11. توانایی استفاده از کتابخانه‌های خارجی برای گسترش قابلیت‌های برنامه 
12. مهارت در استفاده از سیستم‌های GPU و CPU 

سوالات متداول:

چه منابع مطالعاتی در این دوره مورد استفاده قرار می‌گیرد؟

متلب گونزالز و پایگاه داده MNIST.

برای شرکت در این دوره چه مشخصات سیستمی برای نصب نرم افزار وجود دارد؟

در دوره‌ی آموزشی مطابق با سیستم شرکت کنندگان نسخه‌های قابل نصب برای آنان ارائه می‌گردد.

تشخیص چه بیماری‌هایی با یادگیری عمیق در این دوره ممکن می‌گردد؟

تشخیص بیماری‌های قلبی و عروقی.