رگرسیون خطی یکی از مدل‌های پایه و پرکاربرد در یادگیری ماشین است که سعی می‌کند رابطه‌ای ساده بین ویژگی‌های ورودی (مثلاً وزن، سن یا ساعت مطالعه) و نتیجه‌ای که می‌خواهیم پیش‌بینی کنیم (مثل قد، نمره یا درآمد) پیدا کند. تصور کنید می‌خواهید قد یک نفر را فقط بر اساس وزنش پیش‌بینی کنید. رگرسیون خطی مانند کشیدن یک خط مستقیم روی نموداری از داده‌هاست، به طوری که این خط بهترین حدس …

ادامه مطلب

حالا که فهمیدیم مدل‌سازی ریاضی چقدر مهمه، بیاید چند مدل معروف و ساده رو با هم مرور کنیم:   رگرسیون خطی (Linear Regression) یه مدل خیلی ساده که رابطه‌ی بین ورودی‌ها و خروجی‌ها رو با یه خط یا صفحه توصیف می‌کنه. درخت تصمیم (Decision Tree) یه مدل شبیه یک نمودار شاخه‌دار که سوال‌های ساده می‌پرسه و بر اساس جواب‌ها مسیر رو انتخاب می‌کنه تا به نتیجه برسه. ماشین بردار پشتیبان …

ادامه مطلب

نگاهی کوتاه به این مسیر علمی و نوآورانه

ادامه مطلب

مدل‌سازی ریاضی یعنی استفاده از زبان ریاضی برای توصیف یه مسئله یا سیستم. مثل یه نقشه که مسیر حرکت رو به ما نشون می‌ده!   حالا تو یادگیری ماشین، مدل‌سازی ریاضی کلی کار مهم انجام می‌ده:       کمک می‌کنه مسئله رو دقیق و واضح تعریف کنیم مدل‌های مختلف مثل رگرسیون خطی یا شبکه‌های عصبی رو به صورت فرمول‌های ریاضی بسازیم پارامترهای مدل رو با داده‌ها بهینه کنیم تا …

ادامه مطلب

زیست‌شناسی سامانه‌ای (Systems Biology) رویکردی نوین برای درک رفتار کل‌نگر سیستم‌های زیستی است. در این رویکرد، به‌جای بررسی یک مولکول یا مسیر خاص به‌تنهایی، به تحلیل تعاملات شبکه‌ای ژن‌ها، پروتئین‌ها و سایر اجزای زیستی پرداخته می‌شود.     در این میان، مدلسازی ریاضی نقش کلیدی دارد. چرا؟ چون به ما امکان می‌دهد این سیستم‌های پیچیده را به زبان ریاضی بیان کنیم، رفتار آن‌ها را در زمان تحلیل کنیم، و حتی …

ادامه مطلب

در دنیای امروز، ریاضیات فقط در کلاس‌های درس کاربرد ندارد! یکی از جذاب‌ترین کاربردهای آن، کمک به درمان بیماری‌هایی مثل سرطان است. اما چطور؟ مدل‌سازی ریاضی یعنی استفاده از معادلات، الگوریتم‌ها و شبیه‌سازی‌ها برای درک بهتر بیماری‌ها و پیش‌بینی نتایج درمان. در مورد سرطان، این مدل‌ها می‌توانند: ۱. رشد تومور را شبیه‌سازی کنند و به ما بگویند تومور چطور پیشرفت می‌کند یا چطور به درمان پاسخ می‌دهد. ۲. درمان‌ها را شخصی‌سازی کنند؛ یعنی …

ادامه مطلب

    مدلسازی ریاضی ابزاری قدرتمند برای درک پدیده‌های پیچیده زیستی و پزشکی است. این مدل‌ها به ما کمک می‌کنند تا: درک عمیق‌تر:  مکانیسم‌های بیماری‌ها، پاسخ‌های دارویی و فرآیندهای فیزیولوژیکی را بهتر بفهمیم. پیش‌بینی:  نتایج آزمایش‌ها، پیشرفت بیماری و اثربخشی درمان‌ها را پیش‌بینی کنیم.  طراحی:  درمان‌های جدید طراحی کنیم و پروتکل های درمانی را بهینه کنیم. کاهش هزینه‌ها:  نیاز به آزمایش‌های پرهزینه و زمان‌بر را کاهش دهیم. با توجه به …

ادامه مطلب

  اولین جلسه کارگاه:    چهارشنبه ۱ مرداد ساعت ۹ تا ۱۲   مکان: مرکز رشد پژوهشگاه رویان جهت ثبت نام و ارتباط با ادمین تلگرام: @zeinabshams73  

ادامه مطلب

امروزه استفاده از مدل‌های ریاضی برای بررسی پدیده‌های زیستی نقش بسیار مهمی ایفا می‌کند و محققان حوزه سلامت همواره به دنبال پیشگیری قبل از درمان بیماری‌ها هستند. مدل‌های ریاضی ابزاری کم‌هزینه و مفید برای رفع این نگرانی‌ها محسوب می‌شوند. در این کارگاه، با رویکردهای مختلف مدل‌سازی آشنا خواهید شد و چگونگی نقش مدل‌های ریاضی در پیش‌بینی و درک بهتر بیماری‌ها را با ارائه مثال‌های متنوع مورد ارزیابی قرار خواهیم داد. …

ادامه مطلب

آیا تا به حال به این فکر کرده‌اید که چگونه می‌توان با ابزارهای ریاضی، پدیده‌های پیچیده زیستی و پزشکی را مدل‌سازی کرد؟ چگونه می‌توان مسیر پیشرفت بیماری‌ها، تعاملات سلولی یا حتی اثربخشی داروها را با معادلات ریاضی و تحلیل‌های عددی پیش‌بینی کرد؟ مژده برای علاقه‌مندان به زیست‌شناسی محاسباتی و پژوهش‌های میان‌رشته‌ای! به‌زودی کارگاهی تخصصی و کاربردی با حضور اساتید توانمند و مجرب در حوزه مدلسازی ریاضی در علوم زیست‌پزشکی برگزار خواهد …

ادامه مطلب