دوره هوش مصنوعی و ژئوپلیتیک: رازهای پنهان ریسک حاکمیتی در اقتصاد جهانی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب هوش مصنوعی و ژئوپلیتیک: رازهای پنهان ریسک حاکمیتی در اقتصاد جهانی

موضوع کلی: کاربرد هوش مصنوعی در تحلیل بازارهای مالی

موضوع میانی: تحلیل و پیش‌بینی ریسک حاکمیتی با رویکردهای نوین یادگیری ماشین

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه‌ای بر تلاقی هوش مصنوعی، ژئوپلیتیک و اقتصاد
• 2. ریسک حاکمیتی (Sovereign Risk) چیست و چرا اهمیت دارد؟
• 3. تاریخچه تحلیل ریسک حاکمیتی: از رویکردهای کیفی تا کمی
• 4. محدودیت‌های مدل‌های سنتی تحلیل ریسک (آژانس‌های رتبه‌بندی)
• 5. معرفی مقاله الهام‌بخش: Geopolitics, Geoeconomics and Risk
• 6. نقش ژئوپلیتیک در بی‌ثباتی بازارهای مالی جهانی
• 7. ژئواکونومیک: جنگ اقتصادی در عصر جدید
• 8. مبانی یادگیری ماشین برای تحلیل‌گران مالی
• 9. انواع یادگیری ماشین: نظارت‌شده، بدون نظارت و تقویتی
• 10. چرخه حیات یک پروژه علم داده در تحلیل ریسک
• 11. شناسایی منابع داده‌های سنتی: شاخص‌های کلان اقتصادی
• 12. داده‌های بازار مالی: بازده اوراق قرضه و اسپرد CDS
• 13. معرفی داده‌های جایگزین (Alternative Data) در تحلیل ژئوپلیتیک
• 14. قدرت داده‌های متنی: اخبار، گزارش‌ها و شبکه‌های اجتماعی
• 15. داده‌های ماهواره‌ای و تحلیل تصاویر در شناسایی ریسک
• 16. جمع‌آوری داده‌ها: وب اسکرپینگ و APIها
• 17. پاک‌سازی و پیش‌پردازش داده‌های اقتصادی و مالی
• 18. چالش‌های کار با داده‌های متنی غیرساختاریافته
• 19. تکنیک‌های مدیریت داده‌های گمشده (Missing Data)
• 20. مهندسی ویژگی (Feature Engineering) برای داده‌های سری زمانی
• 21. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 22. توکنیزاسیون، ریشه‌یابی و لماتیزاسیون متون خبری
• 23. مدل کیسه کلمات (Bag-of-Words) و TF-IDF
• 24. تحلیل احساسات (Sentiment Analysis): سنجش خوش‌بینی و بدبینی بازار
• 25. مدل‌سازی موضوعی (Topic Modeling) برای کشف روندهای ژئوپلیتیک پنهان
• 26. برداری‌سازی کلمات: از Word2Vec تا GloVe
• 27. مقدمه‌ای بر مدل‌های زبانی پیشرفته: BERT و ترنسفورمرها
• 28. استخراج موجودیت‌های نام‌دار (NER) برای شناسایی بازیگران کلیدی
• 29. کمی‌سازی ریسک رویدادهای ژئوپلیتیک (Event Risk Quantification)
• 30. تبدیل داده‌های کیفی ژئوپلیتیک به ویژگی‌های عددی
• 31. کاهش ابعاد: تکنیک تحلیل مؤلفه‌های اصلی (PCA)
• 32. مبانی رگرسیون خطی برای پیش‌بینی شاخص‌های اقتصادی
• 33. رگرسیون لجستیک برای پیش‌بینی بحران‌های مالی (طبقه‌بندی)
• 34. درخت‌های تصمیم و درک قوانین ریسک
• 35. جنگل‌های تصادفی (Random Forests): خرد جمعی در پیش‌بینی
• 36. ماشین‌های بردار پشتیبان (SVM) برای جداسازی دوره‌های بحران
• 37. مدل‌های تقویت گرادیان (Gradient Boosting): XGBoost و LightGBM
• 38. انتخاب مدل مناسب برای مسئله تحلیل ریسک
• 39. ارزیابی مدل‌های رگرسیون: MAE, MSE, R-squared
• 40. ارزیابی مدل‌های طبقه‌بندی: ماتریس درهم‌ریختگی، دقت و بازیابی
• 41. منحنی ROC و سطح زیر نمودار (AUC)
• 42. اعتبارسنجی متقابل (Cross-Validation) برای جلوگیری از بیش‌برازش (Overfitting)
• 43. تنظیم هایپرپارامترها (Hyperparameter Tuning)
• 44. مقدمه‌ای بر یادگیری بدون نظارت در کشف الگوهای ریسک
• 45. خوشه‌بندی کشورها بر اساس پروفایل ریسک ژئوپلیتیک
• 46. الگوریتم K-Means برای گروه‌بندی ریسک
• 47. الگوریتم‌های خوشه‌بندی سلسله‌مراتبی
• 48. شناسایی ناهنجاری (Anomaly Detection) در داده‌های مالی
• 49. مقدمه‌ای بر تحلیل سری‌های زمانی
• 50. مدل‌های کلاسیک سری زمانی: ARIMA و SARIMA
• 51. بررسی ایستایی و هم‌انباشتگی در متغیرهای اقتصادی
• 52. پیش‌بینی نوسانات بازار با مدل‌های GARCH
• 53. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
• 54. پرسپترون چندلایه (MLP) برای تحلیل‌های غیرخطی
• 55. مقدمه‌ای بر یادگیری عمیق (Deep Learning)
• 56. شبکه‌های عصبی بازگشتی (RNN) برای داده‌های متوالی
• 57. حافظه طولانی کوتاه‌مدت (LSTM) و کاربرد آن در پیش‌بینی سری‌های زمانی
• 58. واحدهای بازگشتی دروازه‌ای (GRU)
• 59. شبکه‌های عصبی کانولوشنی (CNN) برای تحلیل متن
• 60. معماری ترنسفورمرها و مکانیزم توجه (Attention Mechanism)
• 61. کاربرد مدل BERT در درک عمیق متون ژئوپلیتیک
• 62. یادگیری انتقالی (Transfer Learning) در NLP
• 63. مقدمه‌ای بر یادگیری تقویتی در بهینه‌سازی سبد سهام
• 64. جعبه سیاه هوش مصنوعی: چالش تفسیرپذیری
• 65. اهمیت هوش مصنوعی قابل توضیح (Explainable AI - XAI)
• 66. تکنیک‌های تفسیرپذیری محلی: LIME
• 67. تکنیک‌های تفسیرپذیری سراسری: SHAP (SHapley Additive exPlanations)
• 68. اهمیت ویژگی‌ها (Feature Importance) در مدل‌های مبتنی بر درخت
• 69. بک‌تستینگ (Backtesting): ارزیابی استراتژی‌ها در شرایط واقعی گذشته
• 70. معیارهای ارزیابی عملکرد استراتژی‌های مالی: نسبت شارپ و سورتینو
• 71. چالش فروپاشی آلفا (Alpha Decay) و ماندگاری مدل
• 72. رانش مدل (Model Drift) و نیاز به بازآموزی مداوم
• 73. ساخت یک سیستم هشدار اولیه (Early Warning System) برای ریسک حاکمیتی
• 74. مطالعه موردی ۱: پیش‌بینی اسپرد CDS آرژانتین با استفاده از تحلیل اخبار
• 75. جمع‌آوری و آماده‌سازی داده‌ها برای مطالعه موردی
• 76. ساخت و آموزش مدل پیش‌بینی
• 77. تفسیر نتایج مدل: کدام عوامل ژئوپلیتیک مهم‌تر بودند؟
• 78. مطالعه موردی ۲: تحلیل تأثیر تنش‌های تجاری آمریکا و چین بر بازارهای نوظهور
• 79. استفاده از مدل‌سازی موضوعی برای ردیابی روایت‌های جنگ تجاری
• 80. ارزیابی تأثیر احساسات اخبار بر شاخص‌های بورس
• 81. مطالعه موردی ۳: خوشه‌بندی کشورهای خاورمیانه بر اساس پروفایل ریسک سیاسی
• 82. استفاده از داده‌های جایگزین برای ساخت پروفایل ریسک
• 83. یافته‌ها و پیامدهای سرمایه‌گذاری
• 84. زنجیره ابزار (Toolchain): پایتون، تنسورفلو و پای‌تورچ
• 85. کتابخانه‌های کلیدی: Scikit-Learn, Pandas, NLTK, spaCy
• 86. معماری یک سیستم تحلیل ریسک مبتنی بر هوش مصنوعی
• 87. ملاحظات استقرار (Deployment) مدل‌های یادگیری ماشین
• 88. اخلاق در هوش مصنوعی: سوگیری‌ها در داده‌ها و الگوریتم‌ها
• 89. نقش هوش مصنوعی در آینده مدیریت ریسک مالی
• 90. تأثیر مدل‌های زبانی بزرگ (LLM) مانند GPT بر تحلیل ژئوپلیتیک
• 91. تحلیل شبکه‌ای (Network Analysis) روابط بین کشورها
• 92. مقدمه‌ای بر شبکه‌های عصبی گراف (GNN)
• 93. آینده داده‌های جایگزین: از ژئواطلاعات تا داده‌های زنجیره تأمین
• 94. نقش محاسبات کوانتومی در آینده مدل‌سازی مالی
• 95. جمع‌بندی نهایی: تلفیق دانش مالی و مهارت‌های هوش مصنوعی
• 96. مسیر یادگیری فراتر از این دوره: چگونه به‌روز بمانیم؟