دوره ساختن مدلی از ذهن: استنباط علّی در تحلیل فرآیندهای تصمیم همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساختن مدلی از ذهن: استنباط علّی در تحلیل فرآیندهای تصمیم

موضوع کلی: روش‌های پیشرفته در استنباط علّی

موضوع میانی: استنباط علّی در تجزیه و تحلیل علل تصمیم‌گیری (Decision Making Cause Analysis)

📋 سرفصل‌های دوره

• 1. مقدمه: ذهن در مقابل مدل
• 2. فصل اول: چیستی ذهن؟
• 3. فصل دوم: مدل‌سازی چیست؟
• 4. فصل سوم: تعریف استنباط علّی
• 5. فصل چهارم: ضرورت استنباط علّی در علوم اعصاب
• 6. فصل پنجم: مدل‌های ساده تصمیم‌گیری
• 7. فصل ششم: فرآیندهای تصمیم‌گیری چندمرحله‌ای
• 8. فصل هفتم: درختان تصمیم و کاربردشان
• 9. فصل هشتم: شبکه‌های عصبی و یادگیری
• 10. فصل نهم: مدل‌های مبتنی بر عامل
• 11. فصل دهم: شبیه‌سازی فرآیندهای شناختی
• 12. فصل یازدهم: مفاهیم پایه احتمال
• 13. فصل دوازدهم: احتمال شرطی و استقلال
• 14. فصل سیزدهم: قضیه بیز و کاربردهای آن
• 15. فصل چهاردهم: مدل‌های بیزی در تصمیم‌گیری
• 16. فصل پانزدهم: رگرسیون و پیش‌بینی
• 17. فصل شانزدهم: مدل‌های خطی تعمیم‌یافته
• 18. فصل هفدهم: تحلیل واریانس (ANOVA)
• 19. فصل هجدهم: آماره‌های توصیفی
• 20. فصل نوزدهم: آزمون فرض آماری
• 21. فصل بیستم: p-value و تفسیر آن
• 22. فصل بیست و یکم: انواع خطا در آزمون فرض
• 23. فصل بیست و دوم: قدرت آماری
• 24. فصل بیست و سوم: تحلیل همبستگی
• 25. فصل بیست و چهارم: تحلیل عاملی اکتشافی
• 26. فصل بیست و پنجم: تحلیل عاملی تأییدی
• 27. فصل بیست و ششم: مدل‌سازی معادلات ساختاری (SEM)
• 28. فصل بیست و هفتم: مقدمه‌ای بر علیت
• 29. فصل بیست و هشتم: تعریف علیت در فلسفه
• 30. فصل بیست و نهم: انواع روابط علّی
• 31. فصل سی‌ام: شرایط لازم و کافی برای علیت
• 32. فصل سی و یکم: همبستگی در مقابل علیت
• 33. فصل سی و دوم: مفاهیم مداخله (Intervention)
• 34. فصل سی و سوم: گرافی که علیت را نشان می‌دهد (DAG)
• 35. فصل سی و چهارم: قوانین سیمز (Sims' Rules)
• 36. فصل سی و پنجم: مفهوم تعدیل‌کننده (Moderator)
• 37. فصل سی و ششم: مفهوم میانجی‌گر (Mediator)
• 38. فصل سی و هفتم: ابزارهای علّی (Instrumental Variables)
• 39. فصل سی و هشتم: سنجش علیت در روانشناسی
• 40. فصل سی و نهم: آزمایش‌های میدانی و آزمایشگاهی
• 41. فصل چهلم: شبه‌تجربه‌ها و کنترل متغیرها
• 42. فصل چهل و یکم: مطالعات طولی و مقایسه‌ای
• 43. فصل چهل و دوم: مدل‌سازی شناختی مبتنی بر داده
• 44. فصل چهل و سوم: یادگیری ماشین برای استنباط علّی
• 45. فصل چهل و چهارم: الگوریتم‌های پیش‌بینی علّی
• 46. فصل چهل و پنجم: شبکه‌های علّی
• 47. فصل چهل و ششم: مفاهیم شبکه‌های بیزی در علیت
• 48. فصل چهل و هفتم: موتورهای استنتاج علّی
• 49. فصل چهل و هشتم: مدل‌سازی حافظه کاری
• 50. فصل چهل و نهم: مدل‌سازی توجه
• 51. فصل پنجاهم: مدل‌سازی پردازش زبان طبیعی
• 52. فصل پنجاه و یکم: مدل‌سازی تصمیم‌گیری مخاطره‌آمیز
• 53. فصل پنجاه و دوم: مدل‌سازی تصمیم‌گیری اجتماعی
• 54. فصل پنجاه و سوم: مدل‌سازی یادگیری تقویتی
• 55. فصل پنجاه و چهارم: استنباط در شرایط عدم قطعیت
• 56. فصل پنجاه و پنجم: مدل‌های شناختی پویا
• 57. فصل پنجاه و ششم: تحلیل سری‌های زمانی
• 58. فصل پنجاه و هفتم: مدل‌های علّی مبتنی بر سری زمانی
• 59. فصل پنجاه و هشتم: مدل‌سازی فرآیندهای عصبی
• 60. فصل پنجاه و نهم: داده‌های fMRI و EEG
• 61. فصل شصتم: اتصال‌پذیری عملکردی و علیت
• 62. فصل شصت و یکم: مدل‌سازی شبکه‌های مغزی
• 63. فصل شصت و دوم: ابزارهای نرم‌افزاری برای SEM
• 64. فصل شصت و سوم: نرم‌افزار R برای استنباط علّی
• 65. فصل شصت و چهارم: نرم‌افزار Python برای استنباط علّی
• 66. فصل شصت و پنجم: بسته‌های کتابخانه‌ای کلیدی
• 67. فصل شصت و ششم: آموزش و اعتبارسنجی مدل‌ها
• 68. فصل شصت و هفتم: تفسیر نتایج مدل‌های علّی
• 69. فصل شصت و هشتم: ارزیابی تناسب مدل
• 70. فصل شصت و نهم: مشکلات و چالش‌های مدل‌سازی علّی
• 71. فصل هفتادم: سوگیری در داده‌ها
• 72. فصل هفتاد و یکم: متغیرهای مخدوش‌کننده
• 73. فصل هفتاد و دوم: مشکلات جمع‌آوری داده
• 74. فصل هفتاد و سوم: اخلاق در مدل‌سازی ذهن
• 75. فصل هفتاد و چهارم: حریم خصوصی و امنیت داده
• 76. فصل هفتاد و پنجم: مسئولیت‌پذیری الگوریتم‌ها
• 77. فصل هفتاد و ششم: آینده استنباط علّی در علوم شناختی
• 78. فصل هفتاد و هفتم: کاربردهای بالینی
• 79. فصل هفتاد و هشتم: کاربردهای آموزشی
• 80. فصل هفتاد و نهم: کاربردهای اقتصادی
• 81. فصل هشتادم: کاربردهای هوش مصنوعی
• 82. فصل هشتاد و یکم: مدل‌سازی تصمیم‌گیری در رباتیک
• 83. فصل هشتاد و دوم: تعامل انسان و ماشین
• 84. فصل هشتاد و سوم: ربات‌های خودمختار
• 85. فصل هشتاد و چهارم: یادگیری ماشین توصیفی
• 86. فصل هشتاد و پنجم: یادگیری ماشین پیش‌بینانه
• 87. فصل هشتاد و ششم: یادگیری ماشین اقتضایی
• 88. فصل هشتاد و هفتم: مفاهیم یادگیری عمیق
• 89. فصل هشتاد و هشتم: شبکه‌های عصبی کانولوشنال
• 90. فصل هشتاد و نهم: شبکه‌های عصبی بازگشتی
• 91. فصل نودم: شبکه‌های مولد تخاصمی (GANs)
• 92. فصل نود و یکم: مدل‌های زبانی بزرگ
• 93. فصل نود و دوم: آموزش مدل‌های زبانی
• 94. فصل نود و سوم: ارزیابی مدل‌های زبانی
• 95. فصل نود و چهارم: کاربردهای مدل‌های زبانی
• 96. فصل نود و پنجم: چالش‌های اخلاقی مدل‌های زبانی
• 97. فصل نود و ششم: آینده تحقیقات در استنباط علّی
• 98. فصل نود و هفتم: ادغام مدل‌های علّی و شناختی
• 99. فصل نود و هشتم: مدل‌سازی هوش عمومی مصنوعی
• 100. فصل نود و نهم: چالش‌های مفهومی باقی‌مانده