اپلیکیشن اندرویدی فلش‌کارت آموزشی استنتاج علی در یادگیری ماشین: مفاهیم و پیاده‌سازی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استنتاج علی در یادگیری ماشین: مفاهیم و پیاده‌سازی

موضوع کلی: برنامه‌نویسی کامپیوترهای شخصی

موضوع میانی: Causal Inference

📋 سرفصل‌های دوره

• 1. فصل ۱: مقدمه‌ای بر استنتاج علی
• 2. فصل ۲: مفاهیم اساسی علت و معلول
• 3. فصل ۳: شبکه‌های بیزی و استنتاج
• 4. فصل ۴: مدل‌های گرافیکی علی
• 5. فصل ۵: منحنی‌های همبستگی در مقابل علیت
• 6. فصل ۶: مداخله (Intervention) و تاثیرات مستقیم
• 7. فصل ۷: ابزار متغیر (Instrumental Variables)
• 8. فصل ۸: دوگانگی علت و معلول (Causal vs. Statistical)
• 9. فصل ۹: توابع علّی (Causal Functions)
• 10. فصل ۱۰: شناسایی (Identification) در مدل‌های علی
• 11. فصل ۱۱: مفاهیم پیشرفته شناسایی
• 12. فصل ۱۲: استنتاج در مدل‌های علّی خطی
• 13. فصل ۱۳: استنتاج در مدل‌های علّی غیرخطی
• 14. فصل ۱۴: ماشین‌های بردار پشتیبان علی (Causal SVM)
• 15. فصل ۱۵: درختان تصمیم علی (Causal Decision Trees)
• 16. فصل ۱۶: جنگل‌های تصادفی علی (Causal Random Forests)
• 17. فصل ۱۷: شبکه‌های عصبی علی (Causal Neural Networks)
• 18. فصل ۱۸: یادگیری تقویتی علّی (Causal Reinforcement Learning)
• 19. فصل ۱۹: استنتاج علی در یادگیری عمیق
• 20. فصل ۲۰: یادگیری با عامل پنهان (Latent Variable Models)
• 21. فصل ۲۱: استنتاج علی با عوامل پنهان
• 22. فصل ۲۲: مدل‌های ساختاری (Structural Models)
• 23. فصل ۲۳: معادلات ساختاری (Structural Equations)
• 24. فصل ۲۴: تشخیص سببی (Causal Discovery)
• 25. فصل ۲۵: الگوریتم‌های تشخیص سببی مبتنی بر اطلاعات
• 26. فصل ۲۶: الگوریتم‌های تشخیص سببی مبتنی بر رگرسیون
• 27. فصل ۲۷: الگوریتم‌های تشخیص سببی مبتنی بر شبکه‌های عصبی
• 28. فصل ۲۸: تشخیص سببی در داده‌های سری زمانی
• 29. فصل ۲۹: تشخیص سببی در داده‌های پانلی
• 30. فصل ۳۰: تشخیص سببی در داده‌های شبکه‌ای
• 31. فصل ۳۱: تشخیص سببی با داده‌های ناقص
• 32. فصل ۳۲: تشخیص سببی با داده‌های آلوده
• 33. فصل ۳۳: استنتاج علی مبتنی بر داده‌های غیرآزمایشی
• 34. فصل ۳۴: تطبیق امتیاز (Propensity Score Matching)
• 35. فصل ۳۵: وزن‌دهی بر اساس امتیاز (Propensity Score Weighting)
• 36. فصل ۳۶: تحلیل شکاف (Gap Analysis)
• 37. فصل ۳۷: تفاوت در تفاوت‌ها (Difference-in-Differences)
• 38. فصل ۳۸: رگرسیون ناپیوسته (Regression Discontinuity)
• 39. فصل ۳۹: مدل‌های کنترلی (Control Function Models)
• 40. فصل ۴۰: شبیه‌سازی بر اساس عامل (Agent-Based Simulation)
• 41. فصل ۴۱: استنتاج علی از طریق شبیه‌سازی
• 42. فصل ۴۲: عدم قطعیت در استنتاج علی
• 43. فصل ۴۳: ارزیابی عدم قطعیت مدل‌های علی
• 44. فصل ۴۴: اعتبار سنجی مدل‌های علی
• 45. فصل ۴۵: معیارهای ارزیابی برای استنتاج علی
• 46. فصل ۴۶: استنتاج علی قوی (Robust Causal Inference)
• 47. فصل ۴۷: حساسیت به عدم مشاهده (Sensitivity to Unobservables)
• 48. فصل ۴۸: استنتاج علی در پزشکی
• 49. فصل ۴۹: استنتاج علی در اقتصاد
• 50. فصل ۵۰: استنتاج علی در علوم اجتماعی
• 51. فصل ۵۱: استنتاج علی در بازاریابی
• 52. فصل ۵۲: استنتاج علی در علوم محیطی
• 53. فصل ۵۳: استنتاج علی در سیستم‌های توصیه‌گر
• 54. فصل ۵۴: استنتاج علی در پردازش زبان طبیعی
• 55. فصل ۵۵: استنتاج علی در بینایی ماشین
• 56. فصل ۵۶: استنتاج علی در تشخیص پزشکی
• 57. فصل ۵۷: استنتاج علی در سیاست‌گذاری عمومی
• 58. فصل ۵۸: تعمیم (Generalization) در استنتاج علی
• 59. فصل ۵۹: استنتاج علی عادلانه (Fair Causal Inference)
• 60. فصل ۶۰: تفسیرپذیری مدل‌های علی
• 61. فصل ۶۱: مفاهیم پیشرفته در تفسیرپذیری
• 62. فصل ۶۲: یادگیری علی فعال (Active Causal Learning)
• 63. فصل ۶۳: طراحی آزمایش‌های علی (Causal Experiment Design)
• 64. فصل ۶۴: متا-آنالیز علی (Causal Meta-Analysis)
• 65. فصل ۶۵: استنتاج علی علی‌رغم تعاریف متعدد
• 66. فصل ۶۶: مدل‌های علی برای اثرات غیرخطی
• 67. فصل ۶۷: استنتاج علی در حضور اثرات شبکه‌ای
• 68. فصل ۶۸: استنتاج علی با متغیرهای میانجی
• 69. فصل ۶۹: استنتاج علی با متغیرهای تعدیل‌گر
• 70. فصل ۷۰: استنتاج علی با متغیرهای آلت (Surrogate Variables)
• 71. فصل ۷۱: استنتاج علی با پیامدهای دوری (Spillover Effects)
• 72. فصل ۷۲: استنتاج علی با پیامدهای متغیر زمانی
• 73. فصل ۷۳: استنتاج علی با پیامدهای چندگانه
• 74. فصل ۷۴: استنتاج علی با خطای اندازه‌گیری
• 75. فصل ۷۵: استنتاج علی با داده‌های گمشده
• 76. فصل ۷۶: استنتاج علی با بایاس انتخاب (Selection Bias)
• 77. فصل ۷۷: استنتاج علی با بایاس اطلاعات (Information Bias)
• 78. فصل ۷۸: استنتاج علی با بایاس اشتباه (Misclassification Bias)
• 79. فصل ۷۹: استنتاج علی با بایاس مقیاس (Scaling Bias)
• 80. فصل ۸۰: استنتاج علی با بایاس سردرگمی (Confounding Bias)
• 81. فصل ۸۱: استنتاج علی با بایاس پنهان (Hidden Bias)
• 82. فصل ۸۲: استنتاج علی با بایاس متقابل (Reverse Causality)
• 83. فصل ۸۳: استنتاج علی با بایاس پویایی (Dynamic Bias)
• 84. فصل ۸۴: استنتاج علی با بایاس مقایسه‌ای (Comparison Bias)
• 85. فصل ۸۵: استنتاج علی با بایاس جمعیتی (Demographic Bias)
• 86. فصل ۸۶: استنتاج علی با بایاس موقعیتی (Situational Bias)
• 87. فصل ۸۷: استنتاج علی با بایاس شناختی (Cognitive Bias)
• 88. فصل ۸۸: استنتاج علی با بایاس حافظه (Memory Bias)
• 89. فصل ۸۹: استنتاج علی با بایاس قضاوت (Judgment Bias)
• 90. فصل ۹۰: استنتاج علی با بایاس اکتشافی (Heuristic Bias)
• 91. فصل ۹۱: استنتاج علی با بایاس تایید (Confirmation Bias)
• 92. فصل ۹۲: استنتاج علی با بایاس در دسترس بودن (Availability Bias)
• 93. فصل ۹۳: استنتاج علی با بایاس لنگر انداختن (Anchoring Bias)
• 94. فصل ۹۴: استنتاج علی با بایاس اثر هاله‌ (Halo Effect)
• 95. فصل ۹۵: استنتاج علی با بایاس خطا (Attribution Error)
• 96. فصل ۹۶: استنتاج علی با بایاس گروه درونی (Ingroup Bias)
• 97. فصل ۹۷: استنتاج علی با بایاس گروه بیرونی (Outgroup Bias)
• 98. فصل ۹۸: استنتاج علی با بایاس رفتار (Behavioral Bias)
• 99. فصل ۹۹: استنتاج علی با بایاس انگیزشی (Motivational Bias)
• 100. فصل ۱۰۰: آینده استنتاج علی در یادگیری ماشین