کتاب صوتی NUTS: ابزاری قدرتمند برای حل مسائل پیچیده بیزی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره NUTS: ابزاری قدرتمند برای حل مسائل پیچیده بیزی

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

موضوع میانی: No-U-Turn Sampler (NUTS)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مسائل بیزی و مدل‌های گرافیکی
• 2. مفاهیم پایه احتمال و آمار
• 3. متغیرهای تصادفی و توزیع‌های احتمال گسسته
• 4. متغیرهای تصادفی و توزیع‌های احتمال پیوسته
• 5. امید ریاضی و واریانس
• 6. قضیه بیز و استنتاج بیزی
• 7. مقدمه‌ای بر شبکه‌های بیزی
• 8. اجزای شبکه‌های بیزی: گره‌ها و یال‌ها
• 9. نمایش گرافیکی وابستگی‌های شرطی
• 10. ساختار شبکه‌های بیزی: DAG
• 11. پارامترسازی شبکه‌های بیزی
• 12. جداول احتمال شرطی (CPTs)
• 13. نرمال‌سازی جداول احتمال شرطی
• 14. نحوه ساخت یک شبکه بیزی ساده
• 15. مثال‌های کاربردی شبکه‌های بیزی
• 16. جمع‌بندی احتمالات در شبکه‌های بیزی
• 17. استنتاج در شبکه‌های بیزی: مفاهیم
• 18. استنتاج دقیق: الگوریتم‌های حذفی
• 19. استنتاج دقیق: الگوریتم انتشار پیام
• 20. پیچیدگی محاسباتی استنتاج دقیق
• 21. محدودیت‌های استنتاج دقیق
• 22. استنتاج تقریبی: مفاهیم
• 23. روش‌های نمونه‌گیری مونت کارلو
• 24. نمونه‌گیری اهمیت (Importance Sampling)
• 25. روش‌های مارکوف چین مونت کارلو (MCMC)
• 26. الگوریتم گیبس (Gibbs Sampling)
• 27. الگوریتم متروپولیس-هاستینگز (Metropolis-Hastings)
• 28. مزایا و معایب روش‌های MCMC
• 29. کاربرد شبکه‌های بیزی در تشخیص پزشکی
• 30. مدل‌سازی بیماری‌ها و علائم
• 31. استنتاج در مورد بیماری‌ها با داشتن علائم
• 32. مدل‌سازی علت و معلول
• 33. شبکه‌های بیزی در پردازش زبان طبیعی
• 34. مدل‌سازی احتمالاتی زبان
• 35. کاربرد در تشخیص متن
• 36. مدل‌سازی احتمالاتی در رباتیک
• 37. ناوبری و نقشه‌برداری ربات‌ها
• 38. تشخیص وضعیت ربات
• 39. شبکه‌های بیزی در سیستم‌های توصیه‌گر
• 40. مدل‌سازی ترجیحات کاربر
• 41. پیش‌بینی علایق کاربر
• 42. شبکه‌های بیزی در تحلیل مالی
• 43. مدل‌سازی ریسک اعتباری
• 44. پیش‌بینی روندهای بازار
• 45. کاربرد شبکه‌های بیزی در علوم محیطی
• 46. مدل‌سازی انتشار آلاینده‌ها
• 47. پیش‌بینی بلایای طبیعی
• 48. شبکه‌های بیزی در هوش مصنوعی
• 49. یادگیری ماشین بیزی
• 50. مدل‌های مولد بیزی
• 51. شبکه‌های بیزی پویا (Dynamic Bayesian Networks)
• 52. نمایش وابستگی‌های زمانی
• 53. مدل‌های پنهان مارکوف (HMMs)
• 54. کاربرد HMMs در تشخیص گفتار
• 55. کاربرد HMMs در تحلیل سری‌های زمانی
• 56. شبکه‌های بیزی استقرایی (Inductive Bayesian Networks)
• 57. ساخت شبکه‌های بیزی از داده‌ها
• 58. یادگیری ساختار شبکه
• 59. یادگیری پارامترهای شبکه
• 60. روش‌های منظم‌سازی در یادگیری ساختار
• 61. شبکه‌های بیزی با متغیرهای پنهان
• 62. مدل‌های مخلوط گوسی (Gaussian Mixture Models)
• 63. کاربرد GMMs در خوشه‌بندی
• 64. شبکه‌های بیزی در سیستم‌های پیچیده
• 65. مدل‌سازی روابط بین اجزا
• 66. تحلیل رفتار سیستم
• 67. شبکه‌های بیزی در امنیت سایبری
• 68. تشخیص نفوذ
• 69. شناسایی بدافزارها
• 70. مباحث پیشرفته در شبکه‌های بیزی
• 71. شبکه‌های بیزی علّی (Causal Bayesian Networks)
• 72. تمایز بین همبستگی و علیت
• 73. استنتاج علّی
• 74. فیلترهای کالمن و ذرات
• 75. کاربرد در ردیابی و تخمین حالت
• 76. شبکه‌های بیزی و یادگیری تقویتی
• 77. اتصال شبکه‌های بیزی با یادگیری تقویتی
• 78. مدل‌سازی سیاست‌های بهینه
• 79. ملاحظات پیاده‌سازی عملی
• 80. انتخاب ابزار مناسب (NUTS)
• 81. نصب و راه‌اندازی NUTS
• 82. مقدمه‌ای بر کتابخانه NUTS
• 83. استفاده از NUTS برای مدل‌سازی بیزی
• 84. ساخت مدل‌های ساده با NUTS
• 85. اجرای استنتاج با NUTS
• 86. تفسیر نتایج استنتاج NUTS
• 87. تشخیص همگرایی نمونه‌ها
• 88. نکات مهم در استفاده از NUTS
• 89. بهینه‌سازی پارامترهای NUTS
• 90. مدل‌سازی شبکه‌های بیزی پیچیده با NUTS
• 91. پیاده‌سازی شبکه‌های بیزی پویا با NUTS
• 92. کاربرد NUTS در مسائل واقعی
• 93. پروژه‌های عملی با NUTS
• 94. تحلیل داده‌های بزرگ با NUTS
• 95. چالش‌های استفاده از NUTS
• 96. مدیریت حافظه و محاسبات در NUTS
• 97. ارزیابی عملکرد مدل‌های ساخته شده با NUTS
• 98. مقایسه NUTS با سایر ابزارها
• 99. آینده شبکه‌های بیزی و NUTS