دوره کاربرد زنجیره‌های مارکوف در یادگیری ماشین بیزی و شبکه‌های عصبی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربرد زنجیره‌های مارکوف در یادگیری ماشین بیزی و شبکه‌های عصبی

موضوع کلی: روش‌های نمونه‌گیری مونت‌کارلو مارکوف (MCMC) در آمار بیزی

موضوع میانی: روش‌های نمونه‌گیری بر اساس زنجیره مارکوف

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر زنجیره‌های مارکوف
• 2. مفاهیم پایه زنجیره‌های مارکوف
• 3. فضای حالت در زنجیره‌های مارکوف
• 4. انتقال بین حالات
• 5. ماتریس انتقال
• 6. انواع زنجیره‌های مارکوف
• 7. زنجیره‌های مارکوف زمان-گسسته
• 8. زنجیره‌های مارکوف زمان-پیوسته
• 9. خواص زنجیره‌های مارکوف
• 10. قابلیت دسترسی حالات
• 11. قابلیت بازگشت حالات
• 12. حالات موقت و حالات پایدار
• 13. حالات ارگودیک
• 14. توزیع پایدار در زنجیره‌های مارکوف
• 15. محاسبه توزیع پایدار
• 16. کاربرد توزیع پایدار
• 17. مقدمه‌ای بر یادگیری ماشین بیزی
• 18. اصول استنتاج بیزی
• 19. قضیه بیز
• 20. استنتاج بیزی در مدل‌های احتمالی
• 21. مدل‌های گرافیکی احتمالی
• 22. شبکه‌های بیزی
• 23. مقدمه‌ای بر شبکه‌های عصبی
• 24. ساختار شبکه‌های عصبی
• 25. نورون‌های مصنوعی
• 26. توابع فعال‌سازی
• 27. شبکه‌های عصبی پیشخور
• 28. پس‌انتشار خطا
• 29. آموزش شبکه‌های عصبی
• 30. تابع هزینه
• 31. بهینه‌سازی در شبکه‌های عصبی
• 32. گرادیان کاهشی
• 33. انواع گرادیان کاهشی
• 34. بهینه‌سازها
• 35. تنظیم‌گری (Regularization)
• 36. شبکه‌های عصبی کانولوشنی (CNN)
• 37. کاربرد CNN در بینایی ماشین
• 38. شبکه‌های عصبی بازگشتی (RNN)
• 39. کاربرد RNN در پردازش زبان طبیعی
• 40. حافظه طولانی کوتاه مدت (LSTM)
• 41. واحد بازگشتی دروازه‌دار (GRU)
• 42. مدل‌های مارکوف پنهان (HMM)
• 43. کاربرد HMM در مدل‌سازی توالی
• 44. استنتاج در HMM
• 45. یادگیری پارامترهای HMM
• 46. کاربرد زنجیره‌های مارکوف در مدل‌سازی بیزی
• 47. مدل‌های بیزی مبتنی بر زنجیره مارکوف
• 48. استفاده از HMM در استنتاج بیزی
• 49. شبکه‌های بیزی مارکوفی
• 50. مقدمه‌ای بر استنتاج تقریبی بیزی
• 51. روش‌های نمونه‌برداری مونت کارلو
• 52. روش‌های واریانس کاهشی
• 53. روش‌های مبتنی بر بهینه‌سازی
• 54. روش‌های مبتنی بر انتشار
• 55. شبکه‌های عصبی مولد
• 56. شبکه‌های مولد تخاصمی (GAN)
• 57. کاربرد GAN در تولید داده
• 58. شبکه‌های عصبی برای یادگیری تقویتی
• 59. مقدمه‌ای بر یادگیری تقویتی
• 60. عوامل و محیط‌ها
• 61. پاداش و سیاست
• 62. یادگیری مبتنی بر ارزش
• 63. یادگیری مبتنی بر سیاست
• 64. الگوریتم‌های Q-learning
• 65. الگوریتم‌های SARSA
• 66. یادگیری عمیق تقویتی
• 67. شبکه‌های عصبی در مدل‌های آماری
• 68. مدل‌های مارکوف پنهان در یادگیری ماشین
• 69. استنتاج در مدل‌های مارکوف پنهان
• 70. مدل‌سازی توالی با استفاده از شبکه‌های عصبی
• 71. کاربرد زنجیره‌های مارکوف در پردازش سیگنال
• 72. مدل‌سازی پدیده‌های تصادفی
• 73. تحلیل سری‌های زمانی
• 74. پیش‌بینی سری‌های زمانی
• 75. کاربرد زنجیره‌های مارکوف در پردازش گفتار
• 76. بازشناسی گفتار
• 77. مدل‌سازی تولید گفتار
• 78. کاربرد زنجیره‌های مارکوف در بیوانفورماتیک
• 79. مدل‌سازی توالی DNA
• 80. مدل‌سازی پروتئین
• 81. کاربرد زنجیره‌های مارکوف در فین‌تک (با رعایت چارچوب مقررات)
• 82. مدل‌سازی ریسک اعتباری (با رعایت چارچوب مقررات)
• 83. مدل‌سازی رفتار مشتری (با رعایت چارچوب مقررات)
• 84. مدل‌سازی بازارهای مالی (با رعایت چارچوب مقررات)
• 85. شبکه‌های عصبی در مدل‌سازی مالی
• 86. کاربرد شبکه‌های عصبی در تحلیل ریسک
• 87. کاربرد شبکه‌های عصبی در پیش‌بینی بازار
• 88. مدل‌سازی زنجیره‌های مارکوف در اقتصاد اسلامی (با رعایت چارچوب)
• 89. مدل‌سازی عقود اسلامی (با رعایت چارچوب)
• 90. مدل‌سازی سرمایه‌گذاری اسلامی (با رعایت چارچوب)
• 91. مدل‌سازی ریسک در اقتصاد اسلامی (با رعایت چارچوب)
• 92. کاربرد شبکه‌های عصبی در اقتصاد اسلامی (با رعایت چارچوب)
• 93. استنتاج بیزی در مدل‌های اقتصادی
• 94. مدل‌سازی آماری در اقتصاد
• 95. تحلیل داده‌های اقتصادی با شبکه‌های عصبی
• 96. مقدمه‌ای بر اخلاق در هوش مصنوعی
• 97. سوگیری در مدل‌های یادگیری ماشین
• 98. تفسیرپذیری مدل‌ها
• 99. مسئولیت‌پذیری در هوش مصنوعی
• 100. کاربرد زنجیره‌های مارکوف و شبکه‌های عصبی در حل مسائل اجتماعی (با رویکرد سازگار)