مسیر آموزشی Digital signal processing

مسیر آموزشی Digital signal processing

ساعت آموزشی مورد نیاز: 120 ساعت

مدرس: دکتر مهدی شکری زاده (دکتری پردازش سیگنال از امپریال کالج لندن)

مخاطبین: این دوره آموزشی برای دانشجویان رشته‌های مهندسی برق، کامپیوتر و سایر رشته‌های مرتبط که علاقه‌مند به یادگیری پردازش سیگنال دیجیتال و کاربردهای آن در یادگیری ماشین و یادگیری عمیق هستند، مناسب است.

هدف برگزاری:  این دوره آموزشی با هدف آشنایی دانشجویان با مبانی پردازش سیگنال دیجیتال و کاربردهای آن در حوزه یادگیری ماشین و یادگیری عمیق طراحی شده است. در این دوره، دانشجویان با مفاهیم اساسی پردازش سیگنال، الگوریتم‌های یادگیری ماشین از قبیل: شبکه‌های عصبی و یادگیری عمیق آشنا شده و نحوه استفاده از آنها برای تحلیل و پردازش سیگنال‌های مختلف را فرا خواهند گرفت.

پیش‌نیاز: آشنایی با مبانی ریاضیات (حسابان، جبر خطی، معادلات دیفرانسیل) و زبان برنامه نویسی پایتون

شرح سرفصل‌ها:

بخش اول: مبانی پردازش سیگنال دیجیتال

فصل 1: مقدمه‌ای بر پردازش سیگنال دیجیتال

تعریف سیگنال و سیستم

سیگنال‌های پیوسته و گسسته در زمان

تبدیل آنالوگ به دیجیتال (ADC) و تبدیل دیجیتال به آنالوگ (DAC)

نمونه‌برداری و کوانتیزاسیون

فصل 2: تحلیل سیگنال در حوزه زمان

سیگنال‌های خاص (سینوسی، نمایی، پله‌ای، ضربه)

عملیات روی سیگنال‌ها (شیفت، مقیاس، جمع، ضرب)

سیستم‌های خطی و غیر خطی

سیستم‌های تغییرپذیر با زمان و تغییرناپذیر با زمان

پاسخ ضربه و تابع سیستم

کانولوشن

فصل 3: تحلیل سیگنال در حوزه فرکانس

تبدیل فوریه

طیف فرکانسی سیگنال

تبدیل فوریه گسسته (DFT)

الگوریتم FFT

کاربردهای تحلیل فرکانسی

فصل 4: فیلترها

انواع فیلترها (پایین‌گذر، بالاگذر، میان‌گذر، حذف باند)

طراحی فیلترهای دیجیتال (IIR, FIR)

کاربردهای فیلترها

بخش دوم: یادگیری ماشین و یادگیری عمیق برای سیگنال‌ها

فصل 5: مقدمه‌ای بر یادگیری ماشین

یادگیری با نظارت، بدون نظارت و نیمه نظارت

الگوریتم‌های دسته‌بندی (k-NN, SVM, Decision Tree)

الگوریتم‌های رگرسیون (Linear Regression, Polynomial Regression)

معیارهای ارزیابی عملکرد مدل‌ها

فصل 6: یادگیری عمیق

شبکه‌های عصبی مصنوعی (ANN)

شبکه‌های عصبی کانولوشنال (CNN)

شبکه‌های عصبی بازگشتی (RNN)

کاربردهای یادگیری عمیق در پردازش سیگنال

فصل 7: کاربردهای یادگیری ماشین و یادگیری عمیق در پردازش سیگنال

تشخیص الگو در سیگنال‌ها

کاهش نویز سیگنال

فشرده‌سازی سیگنال

پیش‌بینی سیگنال

پردازش سیگنال‌های صوتی و تصویری

پردازش سیگنال‌های پزشکی