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.

مهلت ثبت نام تا چهارشنبه 26 آذر می باشد