فلش‌کارت‌های آموزشی انحرافات بزرگ در سیستم‌های انتشار غیرتعادلی: مبانی نظریه و کاربردها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره انحرافات بزرگ در سیستم‌های انتشار غیرتعادلی: مبانی نظریه و کاربردها

موضوع کلی: ریاضیات و مدل‌سازی سیستم‌های پیچیده

موضوع میانی: نظریه احتمالات و فرآیندهای تصادفی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر نظریه احتمالات و مبانی آن
• 2. فضاهای نمونه و پیشامدها در سیستم‌های گسسته
• 3. قواعد جمع و ضرب در شمارش پیشامدها
• 4. احتمال شرطی و استقلال پیشامدها
• 5. قضیه بیز و کاربردهای آن در استنتاج
• 6. متغیرهای تصادفی گسسته و توزیع‌های احتمال
• 7. امید ریاضی و واریانس متغیرهای گسسته
• 8. برخی توزیع‌های گسسته مهم (دوجمله‌ای، پواسون)
• 9. متغیرهای تصادفی پیوسته و تابع چگالی احتمال
• 10. امید ریاضی و واریانس متغیرهای پیوسته
• 11. توزیع‌های پیوسته مهم (یکنواخت، نمایی، نرمال)
• 12. توزیع نرمال چندمتغیره و خواص آن
• 13. قضیه حد مرکزی و اهمیت آن
• 14. مقدمه‌ای بر فرآیندهای تصادفی
• 15. تعریف فرآیند تصادفی و نمونه‌های اولیه
• 16. فرآیندهای مارکوف و خواص انتقال
• 17. زنجیره‌های مارکوف زمان‌گسسته
• 18. ماتریس‌های انتقال و توزیع‌های پایدار
• 19. کاربرد زنجیره‌های مارکوف در مدل‌سازی
• 20. فرآیندهای مارکوف زمان‌پیوسته
• 21. معادلات اسمولووسکی و نرخ‌های انتقال
• 22. فرآیندهای پواسون و کاربردهای آن
• 23. مقدمه‌ای بر نظریه انحرافات بزرگ
• 24. مفهوم انحرافات بزرگ در نظریه احتمالات
• 25. تابع نرخ (Rate Function) و خواص آن
• 26. قضیه شرودینگر و ارتباط آن با انحرافات بزرگ
• 27. مقدمه‌ای بر سیستم‌های انتشار
• 28. معادله انتشار خطی و حل‌های آن
• 29. سیستم‌های انتشار غیرخطی و رفتار پیچیده
• 30. مدل‌های ذره‌ای برای انتشار
• 31. نظریه سینتیک و ارتباط آن با انتشار
• 32. مباحث پیشرفته در مدل‌های انتشار
• 33. مقدمه‌ای بر سیستم‌های غیرتعادلی
• 34. مفهوم تعادل ترمودینامیکی
• 35. انحراف از تعادل و پدیده‌های ناشی از آن
• 36. کاربرد نظریه اطلاعات در سیستم‌های غیرتعادلی
• 37. قانون دوم ترمودینامیک و انحرافات بزرگ
• 38. نظریه اطلاعات متقابل و کاربرد آن
• 39. آنتروپی و آنتروپی اطلاعاتی
• 40. مقدمه‌ای بر نظریه آشوب
• 41. سیستم‌های دینامیکی و نقاط ثابت
• 42. نمای لیاپانوف و معیاری برای آشوب
• 43. حساسیت به شرایط اولیه
• 44. کاربرد نظریه آشوب در مدل‌سازی
• 45. مقدمه‌ای بر سیستم‌های پیچیده
• 46. تعریف سیستم‌های پیچیده و ویژگی‌های آن‌ها
• 47. شبکه‌های پیچیده و خواص آن‌ها
• 48. نظریه بازی‌ها و کاربردهای آن در سیستم‌های پیچیده
• 49. خودسازماندهی و ظهور در سیستم‌های پیچیده
• 50. سیستم‌های یادگیرنده و هوش مصنوعی
• 51. مقدمه‌ای بر مدل‌سازی آماری
• 52. روش‌های برآورد پارامترها
• 53. حداکثر درست‌نمایی (Maximum Likelihood)
• 54. حداقل مربعات (Least Squares)
• 55. روش‌های بیزی در مدل‌سازی آماری
• 56. اعتبارسنجی مدل‌ها و انتخاب مدل
• 57. مقدمه‌ای بر محاسبات علمی
• 58. روش‌های عددی برای حل معادلات دیفرانسیل
• 59. شبیه‌سازی مونت کارلو
• 60. روش‌های تفاضل محدود و المان محدود
• 61. بهینه‌سازی عددی
• 62. محاسبات موازی و توزیع‌شده
• 63. مقدمه‌ای بر نظریه گراف
• 64. مفاهیم اولیه گراف و انواع آن
• 65. مسیرها و دورها در گراف
• 66. درخت‌ها و کاربردهای آن‌ها
• 67. ماتریس مجاورت و ماتریس وقوع
• 68. کاربرد نظریه گراف در مدل‌سازی سیستم‌ها
• 69. مقدمه‌ای بر بهینه‌سازی
• 70. مسائل بهینه‌سازی بدون قید
• 71. مسائل بهینه‌سازی با قید
• 72. روش‌های گرادیان کاهشی
• 73. روش‌های نیوتن و شبه‌نیوتن
• 74. بهینه‌سازی محدب
• 75. مقدمه‌ای بر یادگیری ماشین
• 76. یادگیری با نظارت (Supervised Learning)
• 77. رگرسیون خطی و لجستیک
• 78. ماشین‌های بردار پشتیبان (SVM)
• 79. درخت‌های تصمیم و جنگل‌های تصادفی
• 80. یادگیری بدون نظارت (Unsupervised Learning)
• 81. خوشه‌بندی (Clustering)
• 82. کاهش ابعاد (Dimensionality Reduction)
• 83. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
• 84. نورون و لایه‌های عصبی
• 85. توابع فعال‌سازی
• 86. پس‌انتشار خطا (Backpropagation)
• 87. شبکه‌های عصبی کانولوشنی (CNN)
• 88. شبکه‌های عصبی بازگشتی (RNN)
• 89. مقدمه‌ای بر پردازش زبان طبیعی
• 90. توکن‌سازی و تحلیل نحوی
• 91. مدل‌های زبانی آماری
• 92. کلمات و نمایش برداری آن‌ها (Word Embeddings)
• 93. مدل‌های ترنسفورمر (Transformer Models)
• 94. کاربرد پردازش زبان طبیعی در تحلیل متون
• 95. مقدمه‌ای بر بینایی ماشین
• 96. پردازش تصویر و تحلیل ویژگی‌ها
• 97. تشخیص اشیاء
• 98. تقسیم‌بندی تصاویر (Image Segmentation)
• 99. تشخیص چهره
• 100. کاربرد بینایی ماشین در تحلیل تصاویر