基于血氧水平依赖的功能磁共振成像(fMRI)技术,利用其数据构建的功能性脑网络后,发现脑并不是一个单纯对外界刺激进行响应的处理器,而是存在着大量自发活动的自组织复杂系统。外界刺激与该系统的内在动力相互作用才能够产生外在的行为表现。因此,通过分析脑自发活动,研究者可以获得脑功能更加全面的信息,帮助理解脑信息处理机制。将磁共振成像与机器学习算法相结合,建立诊断模型的研究方法被广泛应用于脑功能辅助诊断的科研与临床之中。然而，机器学习具有一定的理论及实践难度，使得许多临床医生和认知神经科学研究者入门较为困难。如何快速入门并掌握机器学习相关技术是进行脑影像人工智能研究的关键，为此，茗创科技拟举办核磁机器学习班，通过手把手教学，理论与实践相结合，帮助临床医生与初入门的认知神经领域科研人员快速掌握机器学习相关数据分析操作技能，如各种机器学习模型的构建及分析等，从而提高专业人员开展相关研究工作的水平。
本次培训班面向的对象是希望利用核磁技术进行科研的研究生、临床研究的医生、研究人员等，培训班进行小班授课，重点培训学员操作，并且后续提供持续的在线详细的解答、支持，及时解决学员问题。
内容主要包括：机器学习原理、python编程基础、fMRI信号特殊特征的提取（Reho，ALFF，fALFF，功能连接矩阵等）、MVPA分析与PRONTO工具包实战、各种机器学习模型（朴素贝叶斯、逻辑回归、决策树、SVM、随机森林等）、特征提取与特征选择、模型汇报与与模型展示等。
| | |
| | | |
| | ②数据可视化（numpy, matplotlib,sklearn）②机器学习模型分类（分类、归回、拟合、有监督/无监督）③数据集划分（验证集、训练集、验证集、留一法、十折交叉法、置换检验）④精度评价指标（F1，ACC，ROC，AUC，混淆矩阵） |
| | | ①基于python的特征提取：时域、频域、统计学特征。②fMRI信号特殊特征提取：Reho，ALFF，fALFF，功能连接矩阵等 |
| | |
| | | 包含python代码书写，模型参数调整、模型适用范围、模型优缺点和项目实战（静息态和任务态） |
| | 包含python代码书写，模型参数调整、模型适用范围、模型优缺点和项目实战（静息态和任务态） |
| | | |
| | |
网红优惠 转发本培训通知到朋友圈（不可屏蔽好友，须保留至结课），可结课后返现 100
亲朋优惠 转发 150 人以上科研群，可返现 100
早鸟优惠 4月15号之前付款报名，可享返现 200
团报优惠 三人及以上联报可享拼团返现 200 元/人
以上优惠均可叠加！