اپلیکیشن اندرویدی فلش‌کارت آموزشی کشف الگوها و پیش‌بینی با روش‌های آماری مدرن

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب کشف الگوها و پیش‌بینی با روش‌های آماری مدرن

موضوع کلی: یادگیری آماری پیشرفته

موضوع میانی: مدل‌سازی پیش‌بینی‌کننده و استنتاج آماری

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه‌ای بر یادگیری آماری
• 2. هدف یادگیری آماری
• 3. انواع مسائل در یادگیری آماری
• 4. داده‌های آموزشی و آزمایشی
• 5. بیش‌برازش و کم‌برازش
• 6. مدل‌های خطی
• 7. رگرسیون خطی ساده
• 8. رگرسیون خطی چندگانه
• 9. انتخاب متغیر در رگرسیون خطی
• 10. رگرسیون لجستیک
• 11. تحلیل تفکیک خطی (LDA)
• 12. تحلیل تفکیک کوادراتیک (QDA)
• 13. روش‌های مبتنی بر درخت تصمیم
• 14. درخت‌های تصمیم برای طبقه‌بندی
• 15. درخت‌های تصمیم برای رگرسیون
• 16. قوانین طبقه‌بندی
• 17. روش‌های مجموعه (Ensemble Methods)
• 18. تقویت (Boosting)
• 19. آدا بوست (AdaBoost)
• 20. گرادیان بوست (Gradient Boosting)
• 21. جنگل‌های تصادفی (Random Forests)
• 22. ماشین‌های بردار پشتیبان (SVM)
• 23. هسته‌های غیرخطی در SVM
• 24. کاربرد SVM در طبقه‌بندی و رگرسیون
• 25. شبکه‌های عصبی مصنوعی
• 26. نورون‌ها و لایه‌ها
• 27. شبکه‌های عصبی پیش‌خور (Feedforward Neural Networks)
• 28. پس‌انتشار خطا (Backpropagation)
• 29. شبکه‌های عصبی کانولوشنی (CNN)
• 30. شبکه‌های عصبی بازگشتی (RNN)
• 31. یادگیری عمیق (Deep Learning)
• 32. مدل‌های گرافیکی احتمالی
• 33. شبکه‌های بیزی (Bayesian Networks)
• 34. مدل‌های مارکوف پنهان (HMM)
• 35. روش‌های کاهش ابعاد
• 36. تحلیل مولفه‌های اصلی (PCA)
• 37. تجزیه مقادیر منفرد (SVD)
• 38. کاهش ابعاد با حفظ همسایگی (Isomap, LLE)
• 39. خوشه‌بندی (Clustering)
• 40. K-Means
• 41. خوشه‌بندی سلسله مراتبی (Hierarchical Clustering)
• 42. خوشه‌بندی مبتنی بر چگالی (DBSCAN)
• 43. اعتبارسنجی مدل (Model Validation)
• 44. اعتبارسنجی متقابل (Cross-Validation)
• 45. اعتبارسنجی K-Fold
• 46. اعتبارسنجی خارج از نمونه (Out-of-Sample Validation)
• 47. معیارهای ارزیابی مدل
• 48. دقت (Accuracy)
• 49. صحت (Precision)
• 50. بازیابی (Recall)
• 51. امتیاز F1
• 52. منحنی ROC و AUC
• 53. خطای میانگین مربعات (MSE)
• 54. خطای میانگین قدر مطلق (MAE)
• 55. ناهمسانی و عدم قطعیت
• 56. مفاهیم ناهمسانی
• 57. منابع ناهمسانی
• 58. مدیریت ناهمسانی
• 59. بیزیان در مقابل فریکونتیست
• 60. استنتاج بیزی
• 61. قضیه بیز
• 62. توزیع پیشین و پسین
• 63. روش‌های نمونه‌گیری (MCMC)
• 64. استنتاج فریکونتیست
• 65. برآورد حداکثر درستنمایی (MLE)
• 66. فاصله‌های اطمینان
• 67. آزمون فرضیه
• 68. تنظیم (Regularization)
• 69. تنظیم L1 (Lasso)
• 70. تنظیم L2 (Ridge)
• 71. شبکه‌های عصبی با تنظیم
• 72. روش‌های مبتنی بر همسایگی
• 73. K-نزدیکترین همسایه (KNN)
• 74. K-نزدیکترین همسایه برای طبقه‌بندی
• 75. K-نزدیکترین همسایه برای رگرسیون
• 76. یادگیری مبتنی بر نمونه (Instance-Based Learning)
• 77. یادگیری فعال (Active Learning)
• 78. یادگیری نیمه‌نظارتی (Semi-Supervised Learning)
• 79. یادگیری تقویتی (Reinforcement Learning)
• 80. مفاهیم یادگیری تقویتی
• 81. عامل، محیط، حالت، عمل، پاداش
• 82. یادگیری Q (Q-Learning)
• 83. یادگیری سیاست گرادیان (Policy Gradient)
• 84. مدل‌های سری زمانی
• 85. تحلیل سری زمانی
• 86. مدل‌های ARIMA
• 87. مدل‌های GARCH
• 88. پیش‌بینی سری زمانی
• 89. کاربرد مدل‌های سری زمانی
• 90. کاربرد در امور مالی
• 91. کاربرد در اقتصاد
• 92. کاربرد در علوم زیستی
• 93. کاربرد در پردازش زبان طبیعی
• 94. کاربرد در بینایی ماشین
• 95. کاربرد در سیستم‌های توصیه‌گر
• 96. کاربرد در تشخیص ناهنجاری
• 97. کاربرد در تحلیل شبکه‌های اجتماعی
• 98. کاربرد در بهداشت و درمان
• 99. کاربرد در مهندسی
• 100. کاربرد در علوم محیطی