دوره مجموعه‌های تصادفی مولود از جابجایی اجسام محدب: مبانی نظری و کاربردها همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مجموعه‌های تصادفی مولود از جابجایی اجسام محدب: مبانی نظری و کاربردها

موضوع کلی: ریاضیات کاربردی

موضوع میانی: هندسه تصادفی و نظریه اندازه‌گیری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مجموعه‌های تصادفی
• 2. مبانی نظریه اندازه
• 3. فضاهای اندازه‌پذیر
• 4. اندازه لبگ
• 5. مجموعه‌های اندازه‌پذیر در R^d
• 6. مفهوم جسم محدب
• 7. فضاهای برداری محدب
• 8. ترجمه اجسام محدب
• 9. توزیع‌های احتمال روی مجموعه‌ها
• 10. مجموعه‌های تصادفی مولود از ترجمه
• 11. خواص مجموعه‌های تصادفی
• 12. امید ریاضی مجموعه‌های تصادفی
• 13. واریانس مجموعه‌های تصادفی
• 14. انتگرال‌گیری نسبت به اندازه‌گیری تصادفی
• 15. قضیه کوشی-میگنسکی
• 16. مجموعه‌های محدب تصادفی
• 17. ساختارهای هندسی تصادفی
• 18. مباحث پیشرفته در نظریه اندازه
• 19. قضیه فوبینی
• 20. قضیه کاراتئودوری
• 21. قضیه هِلی-بورل
• 22. انتگرال‌گیری در فضاهای برداری
• 23. خواص امید ریاضی مجموعه‌ها
• 24. مجموعه‌های تصادفی در فضاهای متریک
• 25. مجموعه‌های تصادفی در فضاهای توپولوژیک
• 26. مجموعه‌های تصادفی در فضاهای هیلبرت
• 27. مجموعه‌های تصادفی و ناوردایی انتقالی
• 28. مجموعه‌های تصادفی و ناوردایی دورانی
• 29. مجموعه‌های تصادفی و ناوردایی مقیاسی
• 30. مجموعه‌های تصادفی و ناوردایی دلخواه
• 31. تطابق مجموعه‌های تصادفی
• 32. فاصله‌ها بین مجموعه‌های تصادفی
• 33. فاصله هاوسدورف
• 34. فاصله گُروِف
• 35. فاصله میِکِل
• 36. فاصله گُروِف-میِکِل
• 37. فاصله گُروِف-هاوسدورف
• 38. فاصله گُروِف-مِتْریک
• 39. مجموعه‌های تصادفی و هندسه محاسباتی
• 40. کاربرد مجموعه‌های تصادفی در پردازش تصویر
• 41. کاربرد مجموعه‌های تصادفی در بینایی ماشین
• 42. کاربرد مجموعه‌های تصادفی در رباتیک
• 43. کاربرد مجموعه‌های تصادفی در علوم کامپیوتر
• 44. کاربرد مجموعه‌های تصادفی در آمار
• 45. کاربرد مجموعه‌های تصادفی در یادگیری ماشین
• 46. کاربرد مجموعه‌های تصادفی در بهینه‌سازی
• 47. کاربرد مجموعه‌های تصادفی در فیزیک
• 48. کاربرد مجموعه‌های تصادفی در مهندسی
• 49. کاربرد مجموعه‌های تصادفی در اقتصاد
• 50. کاربرد مجموعه‌های تصادفی در زیست‌شناسی
• 51. کاربرد مجموعه‌های تصادفی در علوم زمین
• 52. کاربرد مجموعه‌های تصادفی در علوم مواد
• 53. نمونه‌گیری از مجموعه‌های تصادفی
• 54. شبیه‌سازی مجموعه‌های تصادفی
• 55. روش‌های مونت کارلو
• 56. روش‌های نمونه‌گیری اهمیت
• 57. روش‌های نمونه‌گیری مارکوف چین مونته کارلو (MCMC)
• 58. روش‌های نمونه‌گیری متروپولیس-هستینگز
• 59. روش‌های نمونه‌گیری گیبس
• 60. روش‌های نمونه‌گیری ام-اچ
• 61. روش‌های نمونه‌گیری نمونه‌برداری از اهمیت
• 62. روش‌های نمونه‌گیری بازآرایی
• 63. تخمین پارامترهای مجموعه‌های تصادفی
• 64. روش‌های تخمین حداکثر درستنمایی
• 65. روش‌های تخمین بیزی
• 66. روش‌های تخمین گشتاورها
• 67. روش‌های تخمین حداقل مربعات
• 68. روش‌های تخمین میانگین متحرک
• 69. روش‌های تخمین رگرسیون
• 70. روش‌های تخمین سری زمانی
• 71. استنتاج آماری برای مجموعه‌های تصادفی
• 72. آزمون فرض برای مجموعه‌های تصادفی
• 73. فاصله‌های اطمینان برای مجموعه‌های تصادفی
• 74. تحلیل واریانس برای مجموعه‌های تصادفی
• 75. رگرسیون خطی برای مجموعه‌های تصادفی
• 76. رگرسیون لجستیک برای مجموعه‌های تصادفی
• 77. مدل‌های خطی تعمیم‌یافته
• 78. مدل‌های مخلوط خطی
• 79. مدل‌های سری زمانی
• 80. مدل‌های مارکوف پنهان
• 81. مدل‌های گرافیکی
• 82. شبکه‌های بیزی
• 83. ماشین‌های بردار پشتیبان
• 84. شبکه‌های عصبی
• 85. یادگیری عمیق
• 86. پردازش زبان طبیعی
• 87. بینایی کامپیوتر
• 88. سیستم‌های توصیه‌گر
• 89. تحلیل داده‌های بزرگ
• 90. کلان داده‌ها
• 91. هوش مصنوعی
• 92. یادگیری تقویتی
• 93. یادگیری بدون نظارت
• 94. یادگیری با نظارت
• 95. یادگیری نیمه‌نظارتی
• 96. یادگیری ترکیبی
• 97. یادگیری فعال
• 98. یادگیری انتقالی
• 99. یادگیری فدرال
• 100. مقدمه‌ای بر سیستم‌های اطلاعات جغرافیایی (GIS)