۱.   طبقه‌بندی صداهای قلب با استفاده از شبکه­ی BiLSTM سبک (داده‌های چالش PhysioNet/CinC مربوط به سال 2016)

۲.   طبقه بندی تصاویرOCT با استفاده از یک شبکه­ی CNN با ساختار customized (مجموعه داده از طریق گوگل درایو ارائه می‌شود)

۳.   تشخیص تومور MRI مغز با استفاده از یک شبکه ی ساده ی U-Net ( داده های مورد استفاده از مجموعه داده عمومی Brain Tumor MRI که ابتدا روی figshare/Kaggle جمع‌آوری و به اشتراک گذاشته شده و نسخه ی کوچک تر آن برای استفاده های آموزشی توسط Ultralytics ارائه شده است)

پیش‌نیازها: دانش پایه پایتون، آشنایی با مفاهیم یادگیری عمیق، و دانش تقریبی از معماری‌های CNN/LSTM/U-Net. شرکت‌کنندگان باید بدانند چگونه فایل‌ها/پوشه‌ها را به گوگل درایو آپلود کنند

مدت زمان: ۱ الی ۱.۵ ساعت (۱۰۰٪ عملی در گوگل کولب،  بدون نیاز به نصب نرم افزار)

مخاطبان: مهندسان، دانشمندان داده، محققان یا دانشجویان.

 در صورت به حد نصاب رسیدن ظرفیت، این کارگاه تشکیل خواهد شد. جهت ثبت نام اینجا را کلیک کنید