بوت کمپ برین کد :‌ مبانی پایتون برای علوم اعصاب محاسباتی

برین‌کد یک بوت‌کمپ یک‌روزه و عملی برای آشنایی با پایتون و مفاهیم پایهٔ پردازش سیگنال در علوم اعصاب است. این دوره برای افرادی طراحی شده که قصد دارند وارد حوزهٔ نوروساینس محاسباتی شوند، اما تجربه‌ای در برنامه‌نویسی ندارند یا آشنایی آن‌ها با زبان پایتون در حد مقدماتی است.

هدف این بوت‌کمپ آموزش برنامه‌نویسی به‌عنوان یک مهارت مستقل نیست؛ بلکه فراهم کردن پایه‌ای محکم است تا شرکت‌کنندگان بتوانند در ادامه، تحلیل داده‌های EEG و مباحث پیشرفته‌تر نوروساینس محاسباتی را دنبال کنند.

تمام جلسات به‌صورت برخط و کاملاً عملی برگزار می‌شود. شرکت‌کنندگان در طول کلاس، هم‌زمان با مدرس کدنویسی می‌کنند و همهٔ تمرین‌ها در محیط Google Colab انجام می‌شود؛ بنابراین نیازی به نصب نرم‌افزارهای تخصصی روی رایانهٔ شخصی نخواهد بود.

این بوت‌کمپ برای دانشجویان، پژوهشگران و علاقه‌مندان رشته‌هایی مانند علوم اعصاب، پزشکی، مهندسی پزشکی، مهندسی برق، علوم شناختی و سایر حوزه‌های مرتبط طراحی شده است. همچنین اگر قصد دارید در آینده با داده‌های EEG یا ابزارهای محاسباتی در پژوهش‌های علوم اعصاب کار کنید، این دوره می‌تواند نقطهٔ شروع مناسبی برای شما باشد.

شرکت در این بوت‌کمپ نیازی به آشنایی قبلی با پایتون و کدنویسی ندارد و هدف از این رویداد تامین پیش‌نیاز پایتون برای دوره‌های کامپیوتیشنال پیش‌روی EHIA است. لذا در صورتی که به این حوزه علاقه داشته و زمینه کدنویسی ندارید توصیه می‌کنیم این بوت‌کمپ را از دست ندهید.

در این دوره چه خواهید آموخت؟

در پایان این بوت‌کمپ، شرکت‌کنندگان خواهند توانست:

• با محیط Google Colab کار کنند و برنامه‌های ساده‌ای را با Python بنویسند.
• داده‌های عددی را با استفاده از کتابخانهٔ NumPy پردازش کنند.
• نمودارهای علمی و سیگنال‌ها را با Matplotlib ترسیم و بررسی کنند.
• مفاهیم پایهٔ پردازش سیگنال، از جمله نمونه‌برداری (Sampling)، بسامد (Frequency)، تبدیل فوریه (FFT) و پالایش سیگنال (Filtering) را در قالب مثال‌های عملی به کار بگیرند.
• با کتابخانهٔ MNE-Python آشنا شوند و نخستین فایل واقعی EEG را بارگذاری، مشاهده و بررسی کنند.

سرفصل‌های دوره

Python Foundations

• آشنایی با Python و مفاهیم پایه برنامه‌نویسی
• کار با Google Colab
• آشنایی با NumPy
• پردازش داده‌های عددی
• رسم نمودارهای علمی با Matplotlib
• نمایش و کار با داده‌های سیگنال

Signal Processing & EEG

• مفاهیم پایه پردازش سیگنال
• Sampling و Frequency
• تبدیل فوریه (FFT)
• فیلتر کردن سیگنال‌ها
• تحلیل Power Spectrum
• آشنایی با کتابخانه MNE-Python
• بارگذاری و بررسی اولین فایل EEG واقعی

شیوه برگزاری

• تاریخ: ۱۲ و ۱۳ شهریور (۲ جلسه ۳ ساعته) به صورت تعاملی آنلاین
  شروع از ساعت ۹ صبح
• مجموع آموزش: ۶ ساعت
• برگزاری: کاملاً آنلاین
• شیوه آموزش: Hands-on؛ کدنویسی هم‌زمان با مدرس
• محیط آموزشی: Google Colab