دوره مقدمه‌ای بر مدل‌های احتمالی بیزی برای هوش مصنوعی و یادگیری ماشین همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر مدل‌های احتمالی بیزی برای هوش مصنوعی و یادگیری ماشین

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

موضوع میانی: مدل‌های آماری برای یادگیری ماشین بیزی

📋 سرفصل‌های دوره

• 1. مبانی احتمال و نظریه اندازه در یادگیری ماشین
• 2. فضاهای نمونه و رویدادها
• 3. احتمال شرطی و استقلال
• 4. قضیه بیز و کاربردهای آن
• 5. متغیرهای تصادفی گسسته و پیوسته
• 6. توزیع‌های احتمال مهم (گسسته)
• 7. توزیع‌های احتمال مهم (پیوسته)
• 8. امید ریاضی و واریانس
• 9. تابع مولد گشتاور
• 10. قضایای حدی (قانون اعداد بزرگ، قضیه حد مرکزی)
• 11. مقدمه‌ای بر مدل‌های بیزی
• 12. مفهوم پسین و پیشین
• 13. قضیه بیز در مدل‌های بیزی
• 14. نمونه‌گیری از توزیع‌های پسین
• 15. کاربرد بیز در تخمین پارامتر
• 16. مدل‌های خطی بیزی
• 17. رگرسیون خطی بیزی
• 18. طبقه‌بندی بیزی (نایوب بیز)
• 19. مدل‌های گرافیکی احتمالی
• 20. شبکه‌های بیزی
• 21. ساختار شبکه‌های بیزی
• 22. یادگیری ساختار شبکه‌های بیزی
• 23. یادگیری پارامترهای شبکه‌های بیزی
• 24. استنتاج در شبکه‌های بیزی (دقیق)
• 25. استنتاج در شبکه‌های بیزی (تقریبی)
• 26. روش‌های نمونه‌گیری مارکوف چین مونت کارلو (MCMC)
• 27. الگوریتم گیبز سمپلینگ
• 28. روش‌های مبتنی بر واریانس کاهش یافته
• 29. روش‌های مبتنی بر بهینه‌سازی (Variational Inference)
• 30. مدل‌های مولد بیزی
• 31. مدل‌های مخلوط گوسی (GMM) بیزی
• 32. تحلیل عاملی بیزی
• 33. مدل‌های موضوعی بیزی (LDA)
• 34. کاربرد LDA در پردازش متن
• 35. مدل‌های زمانی بیزی
• 36. مدل‌های مارکوف پنهان (HMM)
• 37. کاربرد HMM در تشخیص گفتار
• 38. مدل‌های بیزی برای یادگیری عمیق
• 39. شبکه‌های عصبی بیزی
• 40. تخمین عدم قطعیت در شبکه‌های عصبی
• 41. کاربرد شبکه‌های عصبی بیزی در بینایی ماشین
• 42. کاربرد شبکه‌های عصبی بیزی در پردازش زبان طبیعی
• 43. مدل‌های بیزی برای یادگیری تقویتی
• 44. سیاست‌های بهینه در یادگیری تقویتی بیزی
• 45. مدل‌های بیزی برای خوشه‌بندی
• 46. مدل‌های بیزی برای کاهش ابعاد
• 47. تحلیل مولفه‌های اصلی بیزی
• 48. ماتریس‌سازی فاکتورization بیزی
• 49. مدل‌های بیزی برای تشخیص ناهنجاری
• 50. مدل‌های بیزی برای سیستم‌های توصیه‌گر
• 51. ارزیابی مدل‌های بیزی
• 52. معیارهای ارزیابی مدل‌های بیزی
• 53. اعتبارسنجی متقابل بیزی
• 54. انطباق مدل‌های بیزی
• 55. کاهش بیش‌برازش در مدل‌های بیزی
• 56. تنظیم ابرپارامترها در مدل‌های بیزی
• 57. مدل‌های بیزی تودرتو (Hierarchical Bayesian Models)
• 58. کاربرد مدل‌های بیزی در علوم داده
• 59. کاربرد مدل‌های بیزی در پزشکی و سلامت
• 60. کاربرد مدل‌های بیزی در اقتصاد و مالی
• 61. کاربرد مدل‌های بیزی در علوم اجتماعی
• 62. کاربرد مدل‌های بیزی در مهندسی
• 63. کاربرد مدل‌های بیزی در تحقیقات علمی
• 64. مقدمه‌ای بر داده‌کاوی و یادگیری ماشین
• 65. فرایند مهندسی ویژگی
• 66. انتخاب ویژگی و استخراج ویژگی
• 67. الگوریتم‌های یادگیری نظارت شده
• 68. الگوریتم‌های یادگیری نظارت نشده
• 69. ارزیابی مدل‌های یادگیری ماشین
• 70. تنظیم مدل‌ها و ابرپارامترها
• 71. مقدمه‌ای بر یادگیری عمیق
• 72. شبکه‌های عصبی پرسپترون چندلایه
• 73. شبکه‌های عصبی کانولوشنی
• 74. کاربرد CNN در بینایی ماشین
• 75. شبکه‌های عصبی بازگشتی
• 76. کاربرد RNN در پردازش زبان طبیعی
• 77. مقدمه‌ای بر پردازش زبان طبیعی
• 78. مدل‌سازی زبان
• 79. تحلیل احساسات
• 80. ترجمه ماشینی
• 81. مقدمه‌ای بر بینایی ماشین
• 82. تشخیص اشیاء
• 83. تشخیص چهره
• 84. تقسیم‌بندی تصویر
• 85. مقدمه‌ای بر سیستم‌های توصیه‌گر
• 86. فیلترینگ مبتنی بر محتوا
• 87. فیلترینگ مشارکتی
• 88. مقدمه‌ای بر یادگیری تقویتی
• 89. عناصر یادگیری تقویتی
• 90. الگوریتم‌های یادگیری تقویتی
• 91. کاربرد یادگیری تقویتی در رباتیک
• 92. کاربرد یادگیری تقویتی در بازی‌ها
• 93. یادگیری عمیق برای یادگیری تقویتی
• 94. مباحث پیشرفته در مدل‌های احتمالی بیزی
• 95. مدل‌های بیزی غیرپارامتری
• 96. مدل‌های بیزی پویا
• 97. روش‌های بیزی ترکیبی
• 98. کاربرد مدل‌های بیزی در داده‌های بزرگ (Big Data)
• 99. مقایسه مدل‌های بیزی با مدل‌های فراوانی‌گرا
• 100. نرم‌افزارها و ابزارهای مدل‌سازی بیزی