این دوره با هدف توانمندسازی شما برای انجام تحلیل‌های مستقل و دقیق بر روی داده‌های EEG/ERP، طراحی شده است. پس از اتمام دوره، شما قادر خواهید بود:

• مفاهیم بنیادی EEG و ERP: درک عمیقی از اصول فیزیولوژیکی و روش‌های ثبت سیگنال‌های مغزی و پتانسیل‌های وابسته به رویداد.
• مبانی پایتون برای تحلیل داده: آشنایی با اصول برنامه‌نویسی پایتون و کتابخانه‌های کلیدی مانند NumPy، SciPy، Pandas و Matplotlib که ابزارهای اساسی برای کار با داده‌های علمی هستند.
• آشنایی کامل با کتابخانه MNE-Python: نحوه بارگذاری، ذخیره، و مدیریت داده‌های EEG/ERP با استفاده از ساختارهای داده‌ای MNE.
• پیش‌پردازش داده‌ها: اعمال فیلترینگ، حذف آرتیفکت‌ها (مانند پلک زدن، حرکات چشم، ضربان قلب)، شناسایی کانال‌های خراب، و انجام اصلاحات لازم برای افزایش کیفیت سیگنال.
• استخراج و تحلیل ERP: بخش‌بندی داده‌ها (Epoching)، میانگین‌گیری، و استخراج مؤلفه‌های پتانسیل وابسته به رویداد.
• مصورسازی داده‌ها: ایجاد نمودارهای توپوگرافیک، موج‌های ERP، و سایر تجسم‌های بصری برای تفسیر و ارائه نتایج.
• کار با دیتاست‌های واقعی: تجربه عملی با مجموعه‌داده‌های واقعی EEG/ERP و پیاده‌سازی یک خط لوله تحلیل کامل از ابتدا تا انتها.

شرکت در این دوره مقدماتی، مزایای بی‌شماری را برای دانشجویان، محققان و متخصصان به ارمغان می‌آورد:

• دسترسی آفلاین و دائمی: تمامی محتوا بر روی فلش مموری ۳۲ گیگابایتی ارائه می‌شود، بنابراین شما همیشه و در هر مکانی، بدون نیاز به اینترنت، به آن دسترسی خواهید داشت. این ویژگی به ویژه برای افرادی که به اینترنت پرسرعت پایدار دسترسی ندارند یا ترجیح می‌دهند بدون حواس‌پرتی مطالعه کنند، ایده‌آل است.
• آموزش کاربردی و پروژه محور: تمرکز دوره بر روی مثال‌های عملی و دیتاست‌های واقعی است، که به شما امکان می‌دهد بلافاصله پس از یادگیری مفاهیم، آن‌ها را به کار گیرید.
• مهارت‌های بازار کار: تحلیل داده‌های نوروفیزیولوژیک با پایتون و MNE یک مهارت بسیار ارزشمند در زمینه‌های تحقیقاتی و صنعتی است که می‌تواند افق‌های شغلی شما را گسترش دهد.
• رویکرد گام به گام: مطالب از مبانی شروع شده و به تدریج به سمت مباحث پیشرفته‌تر حرکت می‌کند، که این دوره را برای افراد با سطوح مختلف تجربه مناسب می‌سازد.
• پشتیبانی از جامعه MNE: با یادگیری MNE، شما به بخشی از یک جامعه فعال و رو به رشد از محققان در سراسر جهان می‌پیوندید.

این دوره برای افراد با پیش‌زمینه‌های مختلف طراحی شده است، اما داشتن موارد زیر می‌تواند به شما در بهره‌وری بیشتر کمک کند:

• آشنایی اولیه با مغز و سیستم عصبی: دانش مقدماتی از فیزیولوژی و آناتومی مغز (مانند یک دوره مقدماتی علوم اعصاب یا روانشناسی) مفید خواهد بود، اما ضروری نیست.
• مبانی برنامه‌نویسی (توصیه می‌شود): آشنایی اولیه با مفاهیم برنامه‌نویسی (حلقه‌ها، شرطی‌ها، توابع) به طور کلی، و ترجیحاً پایتون، می‌تواند به روند یادگیری شما سرعت بخشد. با این حال، ما یک بخش مقدماتی برای پوشش اصول پایتون نیز در نظر گرفته‌ایم.
• علاقه به تحلیل داده: مهمترین پیش‌نیاز، اشتیاق به یادگیری و کار با داده‌های پیچیده است.

این دوره به صورت ساختاریافته در چندین ماژول طراحی شده است تا شما را به صورت گام به گام در مسیر تسلط بر تحلیل EEG/ERP با پایتون و MNE همراهی کند:

• ماژول ۱: مقدمه‌ای بر EEG/ERP و پایتون برای تحلیل داده

  • مبانی سیگنال‌های مغزی: منشا EEG، انواع امواج مغزی، و مفهوم ERP.
  • آشنایی با سخت‌افزارهای ثبت EEG.
  • نصب و راه‌اندازی محیط پایتون (Anaconda) و کتابخانه‌های مورد نیاز.
  • مقدمه‌ای بر NumPy، Pandas و Matplotlib: کار با آرایه‌ها، دیتافریم‌ها و رسم نمودار.

• ماژول ۲: ورود به دنیای MNE-Python

  • ساختار داده‌های MNE: Raw، Epochs، Evoked و Info.
  • بارگذاری و ذخیره‌سازی داده‌ها با فرمت‌های مختلف (FIF, EDF, BDF, etc.).
  • کاوش اولیه داده‌ها: بررسی کانال‌ها، نرخ نمونه‌برداری، و طول داده.

• ماژول ۳: پیش‌پردازش داده‌های EEG/ERP

  • فیلترینگ سیگنال‌ها: High-pass, Low-pass, Band-pass, Notch.
  • بازسازی رفرنس: Common average reference, Mastoid reference.
  • حذف آرتیفکت‌ها: شناسایی و اصلاح آرتیفکت‌های چشمی (EOG) و قلبی (ECG) با ICA.
  • حذف کانال‌های بد و درونیابی.
  • تقسیم داده‌ها به اپوک‌ها (Epoching) و اصلاح بیس‌لاین.

• ماژول ۴: تحلیل و مصورسازی ERP

  • میانگین‌گیری اپوک‌ها برای استخراج موج ERP.
  • مصورسازی موج‌های ERP: رسم نمودارهای موجی و مقایسه شرایط مختلف.
  • نقشه‌برداری توپوگرافیک (Topomap) و نمایش توزیع فضایی فعالیت مغزی.
  • آشنایی اولیه با آمار برای مقایسه شرایط (t-test، ANOVA).
  • معرفی اجمالی تحلیل زمان-فرکانس.

• ماژول ۵: مباحث پیشرفته و پروژه عملی

  • مقدمه‌ای بر بازسازی منبع (Source Localization) و اتصال‌پذیری (Connectivity).
  • کار با دیتاست‌های EEG/ERP از آزمایشات شناختی واقعی (مثال: N170, P300).
  • پیاده‌سازی یک خط لوله کامل تحلیل داده از ابتدا تا انتها بر روی یک دیتاست نمونه.
  • نکات و ترفندها برای بهینه‌سازی کد و رفع اشکال.

در میان گزینه‌های آموزشی موجود، این دوره به دلایل متعددی برجسته است:

• عدم وابستگی به اینترنت: برخلاف دوره‌های آنلاین که نیازمند اتصال پایدار به اینترنت هستند، محتوای این دوره به طور کامل بر روی فلش مموری ۳۲ گیگابایتی ارائه می‌شود. این بدان معناست که شما می‌توانید بدون هیچ محدودیتی، در هر زمان و مکانی به یادگیری خود ادامه دهید.
• پوشش جامع و کاربردی: از مبانی نظری تا پیاده‌سازی عملی، تمامی جنبه‌های تحلیل EEG/ERP با پایتون و MNE پوشش داده می‌شود.
• قابلیت تکرار و مرور: دسترسی دائمی به محتوا بر روی فلش مموری به شما امکان می‌دهد هر بخش را به دفعات نامحدود مرور کنید تا اطمینان حاصل شود که مفاهیم به طور کامل درک شده‌اند.
• مثال‌های عملی فراوان: هر مفهوم با مثال‌های کد پایتون و دیتاست‌های واقعی همراه است تا یادگیری شما عمیق‌تر و کاربردی‌تر شود.

این دوره برای گروه‌های زیر ایده‌آل است:

• دانشجویان و محققان: در رشته‌های علوم اعصاب، روانشناسی، مهندسی پزشکی، علوم کامپیوتر و سایر رشته‌های مرتبط که قصد کار با داده‌های EEG/ERP را دارند.
• متخصصان بالینی: پزشکان و متخصصانی که می‌خواهند داده‌های EEG را به صورت عمیق‌تر تحلیل کنند.
• دانشجویان کارشناسی ارشد و دکترا: که به دنبال ابزارهای قدرتمند برای پایان‌نامه‌ها و پروژه‌های تحقیقاتی خود هستند.
• هر کسی که به مغز و تحلیل داده علاقه‌مند است: و می‌خواهد مهارت‌های برنامه‌نویسی و تحلیل داده خود را در یک زمینه جذاب و رو به رشد گسترش دهد.