دوره بهبود قابلیت تفسیر مدل با MCMC در جستجو همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهبود قابلیت تفسیر مدل با MCMC در جستجو

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

موضوع میانی: کاربرد MCMC در جستجوی مدل (Model Search)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر قابلیت تفسیر مدل‌های یادگیری ماشین
• 2. مبانی احتمالات و آمار برای مدل‌های پیچیده
• 3. مفاهیم اساسی زنجیره‌های مارکوف
• 4. فضاهای حالت و انتقال در زنجیره‌های مارکوف
• 5. مقدمه‌ای بر شبیه‌سازی مونت کارلو
• 6. اصول نمونه‌برداری از توزیع‌های پیچیده
• 7. کاربرد MCMC در تخمین پارامترهای مدل
• 8. روش‌های کلاسیک MCMC: Metropolis-Hastings
• 9. پیاده‌سازی الگوریتم Metropolis-Hastings
• 10. الگوریتم گیبس: نمونه‌برداری شرطی
• 11. پیاده‌سازی الگوریتم گیبس
• 12. ارزیابی همگرایی MCMC: نمودارهای trace
• 13. معیارهای همگرایی: R-hat و Gelman-Rubin
• 14. تکنیک‌های تشخیص واگرایی MCMC
• 15. بهبود کارایی نمونه‌برداری MCMC
• 16. نمونه‌برداری با اهمیت
• 17. روش‌های MCMC پیشرفته: Hamiltonian Monte Carlo
• 18. پیاده‌سازی HMC
• 19. روش‌های MCMC مبتنی بر انرژی
• 20. مقدمه‌ای بر مدل‌های گرافیکی احتمالاتی
• 21. شبکه‌های بیزی و قابلیت تفسیر
• 22. استنتاج در شبکه‌های بیزی
• 23. کاربرد MCMC در مدل‌های گرافیکی
• 24. مدل‌های خطی تعمیم‌یافته (GLM)
• 25. قابلیت تفسیر در GLMها
• 26. کاربرد MCMC در GLMها
• 27. مدل‌های مختلط (Mixed Models)
• 28. قابلیت تفسیر در مدل‌های مختلط
• 29. کاربرد MCMC در مدل‌های مختلط
• 30. مدل‌های سری زمانی و قابلیت تفسیر
• 31. کاربرد MCMC در مدل‌های سری زمانی
• 32. مدل‌های فضایی و قابلیت تفسیر
• 33. کاربرد MCMC در مدل‌های فضایی
• 34. مقدمه‌ای بر مدل‌های یادگیری عمیق
• 35. شبکه‌های عصبی کانولوشنی (CNN)
• 36. قابلیت تفسیر در CNNها
• 37. کاربرد MCMC در CNNها
• 38. شبکه‌های عصبی بازگشتی (RNN)
• 39. قابلیت تفسیر در RNNها
• 40. کاربرد MCMC در RNNها
• 41. شبکه‌های مولد تخاصمی (GAN)
• 42. قابلیت تفسیر در GANها
• 43. کاربرد MCMC در GANها
• 44. مدل‌های ترنسفورمر و قابلیت تفسیر
• 45. کاربرد MCMC در مدل‌های ترنسفورمر
• 46. تفسیرپذیری مدل‌های غیرخطی
• 47. روش‌های مبتنی بر LIME
• 48. روش‌های مبتنی بر SHAP
• 49. مقایسه روش‌های تفسیرپذیری
• 50. کاربرد MCMC در تفسیرپذیری مدل‌های پیچیده
• 51. بررسی حساسیت پارامترها با MCMC
• 52. تحلیل عدم قطعیت در مدل‌ها با MCMC
• 53. اعتبارسنجی مدل با استفاده از MCMC
• 54. کاهش ابعاد و قابلیت تفسیر
• 55. کاربرد MCMC در کاهش ابعاد
• 56. مدل‌های طبقه‌بندی و قابلیت تفسیر
• 57. کاربرد MCMC در طبقه‌بندی
• 58. مدل‌های رگرسیون و قابلیت تفسیر
• 59. کاربرد MCMC در رگرسیون
• 60. مدل‌های خوشه‌بندی و قابلیت تفسیر
• 61. کاربرد MCMC در خوشه‌بندی
• 62. مدل‌های پردازش زبان طبیعی (NLP)
• 63. قابلیت تفسیر در مدل‌های NLP
• 64. کاربرد MCMC در مدل‌های NLP
• 65. مدل‌های بینایی ماشین (Computer Vision)
• 66. قابلیت تفسیر در مدل‌های بینایی ماشین
• 67. کاربرد MCMC در مدل‌های بینایی ماشین
• 68. مدل‌سازی تصمیم‌گیری و MCMC
• 69. کاربرد MCMC در مدل‌سازی تصمیم‌گیری
• 70. مدل‌سازی ریسک و MCMC
• 71. کاربرد MCMC در مدل‌سازی ریسک
• 72. مدل‌سازی مالی با MCMC
• 73. کاربرد MCMC در مدل‌سازی مالی
• 74. مدل‌سازی سلامت و MCMC
• 75. کاربرد MCMC در مدل‌سازی سلامت
• 76. مدل‌سازی رفتار مصرف‌کننده و MCMC
• 77. کاربرد MCMC در مدل‌سازی رفتار مصرف‌کننده
• 78. مدل‌سازی محیط زیست و MCMC
• 79. کاربرد MCMC در مدل‌سازی محیط زیست
• 80. مدل‌سازی انرژی و MCMC
• 81. کاربرد MCMC در مدل‌سازی انرژی
• 82. مدل‌سازی اجتماعی و MCMC
• 83. کاربرد MCMC در مدل‌سازی اجتماعی
• 84. مدل‌سازی شبکه‌های اجتماعی و MCMC
• 85. کاربرد MCMC در مدل‌سازی شبکه‌های اجتماعی
• 86. مدل‌سازی علمی و MCMC
• 87. کاربرد MCMC در مدل‌سازی علمی
• 88. ملاحظات اخلاقی در تفسیرپذیری مدل
• 89. حفظ حریم خصوصی در مدل‌های تفسیرپذیر
• 90. مسئولیت‌پذیری در استفاده از مدل‌ها
• 91. چالش‌های عملی در پیاده‌سازی MCMC
• 92. آینده پژوهش در تفسیرپذیری مدل با MCMC
• 93. کاربرد MCMC در بهینه‌سازی مدل
• 94. روش‌های MCMC برای مدل‌های بیزی سلسله مراتبی
• 95. کاربرد MCMC در مدل‌های پنهان مارکوف
• 96. بهبود تفسیرپذیری با استفاده از مدل‌های جایگزین
• 97. استفاده از MCMC برای استنتاج علی
• 98. ارزیابی مدل‌های پیچیده با MCMC
• 99. کاربرد MCMC در یادگیری تقویتی
• 100. مدل‌سازی انتخاب و MCMC