اپلیکیشن اندرویدی فلش‌کارت آموزشی تکنیک‌های آماری برای مدیریت عدم قطعیت در تصمیم‌گیری خودمختار

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تکنیک‌های آماری برای مدیریت عدم قطعیت در تصمیم‌گیری خودمختار

موضوع کلی: خودروهای خودران و حمل و نقل هوشمند

موضوع میانی: مدل‌سازی عدم قطعیت

📋 سرفصل‌های دوره

• 1. مقدمه بر عدم قطعیت و تصمیم‌گیری خودمختار
• 2. شناسایی و طبقه‌بندی انواع عدم قطعیت
• 3. عدم قطعیت اپیستمیک و انتونی
• 4. مدل‌سازی عدم قطعیت در سیستم‌های پویا
• 5. روش‌های بیزی برای استنباط در حضور عدم قطعیت
• 6. شبکه‌های بیزی و کاربردهای آن
• 7. فیلتر کالمن و نسخه‌های پیشرفته آن
• 8. فیلتر ذرات برای مدل‌های غیرخطی و ناگوسی
• 9. رگرسیون بیزی و تخمین پارامترها
• 10. قضیه بیز و اهمیت آن در یادگیری ماشین
• 11. یادگیری آماری و مفاهیم پایه
• 12. تخمین‌گرهای بیشینه درست‌نمایی
• 13. روش‌های متقابل‌انجام (Cross-validation)
• 14. انتخاب مدل و معیارهای ارزیابی
• 15. نظریه اطلاعات و آنتروپی
• 16. آنتروپی متقابل و اطلاعات مشترک
• 17. تنظیم‌گرهای آماری برای کاهش بیش‌برازش
• 18. رگولاریزاسیون L1 و L2
• 19. کاهش ابعاد و تحلیل مؤلفه‌های اصلی (PCA)
• 20. تجزیه مقادیر منفرد (SVD)
• 21. نقش احتمالات در هوش مصنوعی
• 22. احتمالات شرطی و استقلال
• 23. قضیه توماس بیز و استنتاج معکوس
• 24. مقدمه بر یادگیری تقویتی
• 25. فرآیندهای تصمیم‌گیری مارکوف (MDP)
• 26. یادگیری Q و Q-learning
• 27. یادگیری عمیق تقویتی (Deep Reinforcement Learning)
• 28. شبکه‌های عصبی کانولوشنال (CNN) در یادگیری تقویتی
• 29. شبکه‌های عصبی بازگشتی (RNN) در یادگیری تقویتی
• 30. استراتژی‌های اکتشاف و بهره‌برداری
• 31. مدل‌های مبتنی بر ارزش و مدل‌های مبتنی بر سیاست
• 32. الگوریتم Actor-Critic
• 33. یادگیری تطبیقی و یادگیری با حداقل مداخله
• 34. طراحی توابع پاداش در یادگیری تقویتی
• 35. تکنیک‌های آماری برای پیش‌بینی سری‌های زمانی
• 36. مدل‌های ARIMA
• 37. مدل‌های نمایی هموارسازی
• 38. مدل‌های حالت-فضا
• 39. پیش‌بینی غیرخطی در سری‌های زمانی
• 40. شبکه‌های عصبی بازگشتی برای پیش‌بینی سری‌های زمانی
• 41. استفاده از شبکه‌های LSTM و GRU
• 42. مدل‌سازی آنسامبل برای پیش‌بینی
• 43. روش‌های بوستینگ و بگینگ
• 44. استفاده از ماشین‌های بردار پشتیبان (SVM) برای پیش‌بینی
• 45. مدل‌سازی عدم قطعیت در پیش‌بینی
• 46. توزیع‌های پیش‌بینی و فواصل اطمینان
• 47. تکنیک‌های آماری برای تشخیص ناهنجاری
• 48. روش‌های مبتنی بر تراکم
• 49. روش‌های مبتنی بر فاصله
• 50. مدل‌های آماری برای تشخیص ناهنجاری
• 51. استفاده از درخت‌های تصمیم برای تشخیص ناهنجاری
• 52. ماشین‌های بردار پشتیبان برای تشخیص ناهنجاری
• 53. شبکه‌های عصبی برای تشخیص ناهنجاری
• 54. یادگیری آماری برای تشخیص ناهنجاری
• 55. داده‌های بدون برچسب و تشخیص ناهنجاری
• 56. ارزیابی مدل‌های تشخیص ناهنجاری
• 57. معیارهای دقت، صحت و یادآوری
• 58. منحنی ROC و AUC
• 59. تکنیک‌های آماری برای تحلیل ریسک
• 60. شناسایی و کمی‌سازی ریسک
• 61. مدل‌سازی سناریو و شبیه‌سازی مونت کارلو
• 62. مدیریت ریسک و استراتژی‌های کاهش آن
• 63. ارزیابی ریسک اعتباری
• 64. ارزیابی ریسک بازار
• 65. مدل‌سازی ریسک عملیاتی
• 66. تکنیک‌های آماری برای بهینه‌سازی تصمیم
• 67. بهینه‌سازی خطی و غیرخطی
• 68. بهینه‌سازی تصادفی
• 69. الگوریتم‌های ژنتیک و محاسبات تکاملی
• 70. بهینه‌سازی مبتنی بر شبیه‌سازی
• 71. تجزیه و تحلیل حساسیت در بهینه‌سازی
• 72. تصمیم‌گیری در شرایط عدم قطعیت
• 73. مدل‌های تصمیم‌گیری با اطلاعات ناقص
• 74. روش‌های آماری برای انتخاب بین گزینه‌ها
• 75. تحلیل هزینه-فایده در حضور عدم قطعیت
• 76. نظریه بازی و تصمیم‌گیری استراتژیک
• 77. مقدمه بر پردازش زبان طبیعی (NLP)
• 78. مدل‌سازی زبان و پیش‌بینی کلمه
• 79. استخراج ویژگی از متن
• 80. روش‌های آماری در NLP
• 81. یادگیری ماشین برای طبقه‌بندی متن
• 82. خوشه‌بندی اسناد
• 83. تحلیل احساسات
• 84. مدل‌سازی موضوع
• 85. مدل‌های مولد و تفکیکی در NLP
• 86. استفاده از مدل‌های ترانسفورمر در NLP
• 87. کاربرد تکنیک‌های آماری در رباتیک خودمختار
• 88. برنامه‌ریزی حرکت در محیط‌های نامطمئن
• 89. تخمین موقعیت و نقشه‌برداری با عدم قطعیت
• 90. کنترل تطبیقی در رباتیک
• 91. یادگیری ماشین برای کنترل ربات
• 92. تکنیک‌های آماری برای اعتبارسنجی و تأیید سیستم‌های خودمختار
• 93. مدل‌سازی و تحلیل ایمنی
• 94. مدل‌سازی قابلیت اطمینان
• 95. استفاده از داده‌ها برای بهبود عملکرد سیستم‌های خودمختار
• 96. ارزیابی نهایی و نتیجه‌گیری