سخنرانان کلیدی

:: سخنرانان کلیدی

Prof. Reza Boostani

: Applications of Deep Learning and Signal Processing Methods for the Diagnosis of Neurological and Psychiatric Diseases

سیگنال های الکتروانسفالوگرام (EEG) حاصل ادغام فضایی و زمانی فعالیت الکتریکی میلیون ها نورون در مغز است. تغییرات عملکردی در مغز، ناشی از بیماری‌های مختلف روان‌پزشکی و عصبی را می‌توان از طریق تجزیه و تحلیل سیگنال‌های EEG تشخیص داد و همچنین شدت بیماری را می‌توان به صورت کمی اندازه‌گیری کرد. در این گفتار، روش‌های یادگیری عمیق و پردازش سیگنال را برای تخمین مستمر امتیاز Beck برای بیماران افسرده معرفی کرده و روش‌های کارآمدی را برای طبقه‌بندی چهار سطح افسردگی پیشنهاد می‌شود. یک شبکه عمیق کارآمد برای تخمین مقیاس شاخص دو طیفی (BIS) به طور مداوم، از سیگنال‌های EEG، به عنوان یک اندازه‌گیری قابل اعتماد از عمق بیهوشی در طول عمل جراحی معرفی شده است. همچنین توضیح داده میشود که چگونه می توان پنج سطح درد را با تجزیه و تحلیل سیگنال های EEG و به کار گیری تکنیکهای یادگیری ماشین متمایز کرد. چند تلاش برای تخمین مقیاس ارزیابی شناختی مونترال (MOCA) و مقیاس یکپارچه رتبه‌بندی بیماری پارکینسون (UPDRS) به عنوان معیارهای شدت پارکینسون با استفاده از شبکه‌های عصبی عمیق و همچنین شبکه‌های فازی عمیق برای سیگنال‌های EEG خام ارائه میشود.

Prof. Reza Boostani was born in Shiraz in 1973. He got his B.Sc. in Electrical Engineering from Shiraz University in 1996 and then got his M.Sc. and Ph.D. in Biomedical Engineering from Amirkabir University of Technology in 1999 and 2005, respectively. Afterward he joined CSE&IT department of Shiraz University in 2005 as an assistant Professor. He has become selected as distinguished researcher of Shiraz University three times in 2010, 2017 and 2023, respectively. In addition, according to Elsevier criterion, he has been selected in the list of top 2% scientists in the world both in 2022 and 2023. he has published more than 225 papers (including 145 journal papers and the rest are conference papers) and have 27 journal papers under review. Now, he is a full professor at Shiraz University and is the head of Biomedical Engineering Group from 2008 till now. His research area is biomedical signal processing, statistical pattern recognition and deep neural networks.

Dr. Serwah Sabetghadam

Metadata Management in Data-driven Companies

These days organizations rely heavily on data quality for orienting their business strategy to market positioning. Lack of adequate metadata, named as data littering, leads to difficulty in understanding, managing or reusing the data. Dealing with large amount of data in data-driven companies raises the need to know where data originates from, how is the quality, who is the data owner, and what is the history of the changes. Data littering causes companies high expenses by incorrect interpretations, resulting in misguided decisions or strategies. In addition, dealing with low-quality data can result in poor productivity due to low trustability in data-driven decisions. Metadata management helps an organization to find, understand and trust the right information to decide based on the gained insight. It facilitates seamless data sharing between teams, departments, and organizations. Furthermore, it enforces data governance, controlled data quality and facilitated data discovery through data catalogue. In this talk main concepts of metadata management in an enterprise company, including data governance, data lineage, data quality and different roles and responsibilities related to metadata management is presented.

دکتر سروه ثابت قدم پس از اخذ مدرک کارشناسی خود در رشته مهندسی نرم افزار از دانشگاه تهران، کارشناسی ارشد را در گرایش معماری کامپیوتر در دانشگاه شهید بهشتی ادامه دادند. در ادامه تحقیق در زمینه موتورهای جستجو، ایشان موفق به اخذ مدرک دکترا از دانشگاه TU Wien اتریش شدند. زمینه کاری ایشان واکشی اطلاعات است و به صورت تخصصی روی واکشی اطلاعات چند رسانه ای (Multimodal Information Retrieval) کارکرده اند. ایشان پس از اتمام دکترا مدتی به عنوان محقق آزاد با دانشگاه فنی وین همکاری داشتند. اکنون به عنوان طراح راهکار داده در شرکت Magenta در اتریش مشغول به کار در زیرساختار داده های حجیم (Big Data) هستند. زمینه های تحقیقاتی مورد علاقه ایشان واکشی اطلاعات چند رسانه ای، Crowdsouring، الگوریتم های مختلف گراف برای جستجوی اطلاعات و تحلیل داده های حجیم است.

Prof. Alireza Nematollahi

آمار و هوش مصنوعي: ترکيبي برنده در عصر انفجار اطلاعات

پیدایش و رشد علم داده ها در سالهاي اخير و معرفی و گسترش سریع علوم و فنون جديد و جذابي چون روش های یادگیری ماشین و داده کاوی در عصر انفجار اطلاعات و مواجه با تحليل کلان داده ها، اين پرسش را در اذهان مجامع علمي مطرح کرده است که نقش و جايگاه علم و رشته آمار در اين عرصه کجاست؟ آيا اينطور که مي گويند آمار از قطار سريع السير علم داده ها، که عمدتا به تحليل داده هاي بزرگ توليد شده در اين عصر مي پردازد، جا مانده است؟ آيا تعامل و بینش بين آماردانان و متخصصان حوزه هوش مصنوعي، به مثابه دو روي يک سکه مي تواند به يکپارچه سازي آنها بيانجامد؟ هدف این سمينار تلاش براي پاسخي در خور و شايسته به اين سوالات، و برانگيختن یک بحث آزاد در مورد نقش در حال تحول آمار در پیشرفت هاي سريع هوش مصنوعی است. مروري بر برخي ایده های برتر آماری نیم قرن گذشته که به انقلاب هوش مصنوعي کمک کرده اند، خواهيم داشت و در خصوص رضایت بخش بودن و استفاده بلندمدت از پاسخ های آماری، که مرهون بررسی نظری و ریاضی روش ها و تحلیل های آماری است، صحبت خواهيم کرد. با تقویت و ادامه بحث در مورد نقش متقابل آمار و هوش مصنوعي، مي توان پارادایم های تحقیقاتی آماري را برای پذیرش فرصت هایی که هوش مصنوعی ارائه می دهد، به پیش برد. ترکيب قدرتمند فناوري هاي هوش مصنوعي با روشهاي مدرن آماري و هم افزايي آنها، مي تواند يک ترکيب برنده و کارا در مواجه با چالش هاي پيش روي پژوهشگران حوزه علم داده در عصر کنوني انفجار اطلاعات، فراهم کند.

Prof. Alireza Nematollahi is a full professor of statistics at Shiraz University with over 25 years of experience in academia and research. He has made significant contributions to the advancement of statistics education and research, publishing over 50 research articles in renowned international journals and actively involved in numerous research projects. His research interests are focused on probability theory, time series analysis, stochastic processes, regression, and multivariate statistical analysis. In 2021, he and some of his colleagues founded the Data Science major in the Master of Statistics program in the Department of Statistics at Shiraz University, and he has been also working in this field ever since. From 2016 until 2018, he was the president of the Iranian Statistical Society and currently works as the editor-in-chief of the Iranian Statistical Association Journal.