دوره درک مغز با مدل‌های محاسباتی: رویکردی نوین در علوم شناختی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره درک مغز با مدل‌های محاسباتی: رویکردی نوین در علوم شناختی

موضوع کلی: علوم شناختی و عصب‌شناسی

موضوع میانی: مدل‌سازی محاسباتی مغز و رفتار

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علوم شناختی و عصب‌شناسی
• 2. مبانی محاسباتی علوم شناختی
• 3. مبانی عصب‌شناسی برای مدل‌سازی
• 4. تاریخچه مدل‌سازی محاسباتی مغز
• 5. انواع مدل‌های محاسباتی در علوم شناختی
• 6. مدل‌های شبکه‌های عصبی مصنوعی (ANN)
• 7. مدل‌های Bayesian در مغز
• 8. مدل‌های تداعی‌گرای (Associative)
• 9. مدل‌های دینامیکی سیستم‌ها در علوم شناختی
• 10. روش‌های اعتبارسنجی مدل‌های محاسباتی
• 11. آمار و احتمال در مدل‌سازی شناختی
• 12. برنامه‌نویسی برای مدل‌سازی محاسباتی (Python)
• 13. مقدمه‌ای بر MATLAB برای مدل‌سازی
• 14. مدل‌سازی ادراک حسی
• 15. مدل‌سازی توجه و انتخاب
• 16. مدل‌سازی حافظه کوتاه‌مدت
• 17. مدل‌سازی حافظه بلندمدت
• 18. مدل‌سازی یادگیری و پلاستیسیته
• 19. مدل‌سازی زبان و پردازش زبانی
• 20. مدل‌سازی تصمیم‌گیری
• 21. مدل‌سازی کنترل حرکتی
• 22. مدل‌سازی شناخت اجتماعی
• 23. مدل‌سازی احساسات
• 24. مدل‌سازی عملکردهای اجرایی
• 25. مدل‌سازی مغز سالمندان
• 26. مدل‌سازی اختلالات روان‌شناختی (بخش اول)
• 27. مدل‌سازی اختلالات روان‌شناختی (بخش دوم)
• 28. مدل‌سازی بیماری‌های عصبی (بخش اول)
• 29. مدل‌سازی بیماری‌های عصبی (بخش دوم)
• 30. مدل‌سازی تصویربرداری مغز (fMRI)
• 31. مدل‌سازی الکتروفیزیولوژی (EEG/MEG)
• 32. تحلیل داده‌های تصویربرداری مغز با مدل‌ها
• 33. مدل‌سازی مغز و هوش مصنوعی
• 34. کاربردهای مدل‌سازی محاسباتی در بازتوانی شناختی
• 35. مدل‌سازی محاسباتی و رابط مغز و ماشین
• 36. روش‌های بهینه‌سازی مدل‌های محاسباتی
• 37. مدل‌سازی محاسباتی و پیش‌بینی رفتار
• 38. تفسیرپذیری مدل‌های محاسباتی
• 39. محدودیت‌های مدل‌سازی محاسباتی
• 40. آینده مدل‌سازی محاسباتی در علوم شناختی
• 41. مبانی ریاضیاتی مدل‌سازی عصبی
• 42. مدل‌های نرونی (Neuron Models)
• 43. مدل‌های سیناپسی (Synapse Models)
• 44. مدل‌سازی شبکه‌های عصبی عمیق (Deep Neural Networks)
• 45. تکنیک‌های یادگیری تقویتی (Reinforcement Learning)
• 46. مدل‌سازی محاسباتی در آموزش
• 47. مدل‌سازی محاسباتی در بازاریابی
• 48. مدل‌سازی محاسباتی در طراحی رابط کاربری
• 49. مدل‌سازی محاسباتی و اخلاق
• 50. مدل‌سازی محاسباتی در پزشکی
• 51. مدل‌سازی محاسباتی و حقوق
• 52. تأثیر مدل‌سازی محاسباتی بر درک خود
• 53. مدل‌سازی محاسباتی و روان‌درمانی
• 54. مدل‌سازی محاسباتی و آموزش مجازی
• 55. مدل‌سازی محاسباتی و هویت
• 56. مدل‌سازی محاسباتی و خلاقیت
• 57. مدل‌سازی محاسباتی و حل مسئله
• 58. مدل‌سازی محاسباتی و تفکر انتقادی
• 59. ارزیابی انتقادی مقالات مدل‌سازی محاسباتی
• 60. طراحی یک پروژه مدل‌سازی محاسباتی
• 61. نگارش گزارش نتایج مدل‌سازی محاسباتی
• 62. ارائه نتایج مدل‌سازی محاسباتی
• 63. مبانی آمار بیزی در علوم شناختی
• 64. مقدمه‌ای بر روش‌های Monte Carlo
• 65. روش‌های نمونه‌برداری در مدل‌سازی محاسباتی
• 66. بهینه‌سازی Bayesian در مدل‌سازی شناختی
• 67. مبانی پردازش سیگنال برای داده‌های عصبی
• 68. تکنیک‌های پیش‌پردازش داده‌های تصویربرداری مغز
• 69. روش‌های کاهش ابعاد داده‌های عصبی
• 70. تحلیل مؤلفه‌های اصلی (PCA) در علوم شناختی
• 71. تحلیل همبستگی در داده‌های عصبی
• 72. مقدمه‌ای بر یادگیری ماشین نظارت شده
• 73. یادگیری ماشین بدون نظارت در علوم شناختی
• 74. مقدمه‌ای بر شبکه‌های گرافیکی احتمالاتی
• 75. مدل‌های پنهان مارکوف (HMM) در علوم شناختی
• 76. مدل‌سازی محاسباتی و نظریه اطلاعات
• 77. مقدمه‌ای بر نظریه کنترل
• 78. مدل‌سازی محاسباتی و نظریه بازی‌ها
• 79. مقدمه‌ای بر سیستم‌های پیچیده و مدل‌سازی آن‌ها
• 80. مدل‌سازی محاسباتی و داده‌کاوی
• 81. مقدمه‌ای بر هوش محاسباتی
• 82. مبانی الگوریتم‌های تکاملی
• 83. بهینه‌سازی ازدحام ذرات (PSO)
• 84. مقدمه‌ای بر الگوریتم ژنتیک
• 85. مدل‌سازی محاسباتی و تحلیل سری‌های زمانی
• 86. مقدمه‌ای بر ریاضیات مالی رفتاری
• 87. مدل‌سازی محاسباتی و اقتصاد شناختی
• 88. مدل‌سازی محاسباتی و بازاریابی عصبی
• 89. مبانی علوم داده برای علوم شناختی
• 90. مقدمه‌ای بر پایگاه‌های داده
• 91. مقدمه‌ای بر زبان‌های پرس‌وجو
• 92. مقدمه‌ای بر سیستم‌های توزیع‌شده
• 93. مقدمه‌ای بر امنیت داده‌ها
• 94. مقدمه‌ای بر حریم خصوصی داده‌ها
• 95. مقدمه‌ای بر اخلاق داده‌ها