سپنتا کتاب اکسپرس
کتاب کشف دنیای بهینه‌سازی شرطی ریسک: یک رویکرد نوین مبتنی بر حمل و نقل بهینه و اطلاعات جانبی

کتاب کشف دنیای بهینه‌سازی شرطی ریسک: یک رویکرد نوین مبتنی بر حمل و نقل بهینه و اطلاعات جانبی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب کشف دنیای بهینه‌سازی شرطی ریسک: یک رویکرد نوین مبتنی بر حمل و نقل بهینه و اطلاعات جانبی

موضوع کلی: یادگیری ماشین و بهینه‌سازی

موضوع میانی: بهینه‌سازی توزیع-پایا با استفاده از حمل و نقل بهینه

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر یادگیری ماشین
  • 2. انواع یادگیری ماشین: نظارت‌شده، نظارت‌نشده، تقویتی
  • 3. مفاهیم کلیدی: ویژگی‌ها، نمونه‌ها، مدل‌ها
  • 4. یادگیری نظارت‌شده: رگرسیون و طبقه‌بندی
  • 5. تابع‌های زیان (Loss Functions) در ML
  • 6. مفهوم ریسک و ریسک تجربی
  • 7. هدف یادگیری ماشین: کمینه‌سازی ریسک واقعی
  • 8. مشکل تعمیم (Generalization)
  • 9. بیش‌برازش (Overfitting) و کم‌برازش (Underfitting)
  • 10. معیار ارزیابی مدل‌ها
  • 11. بهینه‌سازی در قلب یادگیری ماشین
  • 12. آشنایی با الگوریتم‌های بهینه‌سازی
  • 13. گرادیان کاهشی (Gradient Descent) و انواع آن
  • 14. مقدمه‌ای بر نظریه یادگیری آماری
  • 15. چالش‌های یادگیری ماشین در دنیای واقعی
  • 16. تعریف مسئله بهینه‌سازی
  • 17. توابع هدف و قیدها
  • 18. مجموعه قابل قبول (Feasible Set)
  • 19. بهینه‌سازی محدب (Convex Optimization): اهمیت و کاربردها
  • 20. مجموعه‌های محدب و ویژگی‌های آنها
  • 21. توابع محدب و خواص آنها
  • 22. مسائل بهینه‌سازی محدب استاندارد
  • 23. دوگانگی لاگرانژ (Lagrangian Duality): مبانی
  • 24. شرایط KKT برای بهینه‌سازی
  • 25. حل مسائل بهینه‌سازی با ابزارهای عددی
  • 26. چرا کمینه‌سازی ریسک تجربی (ERM) همیشه کافی نیست؟
  • 27. پدیده تغییر توزیع (Distribution Shift)
  • 28. عدم قطعیت در توزیع داده‌ها
  • 29. حساسیت به داده‌های پرت (Outliers)
  • 30. عدم تعمیم‌پذیری به سناریوهای جدید
  • 31. نیاز به مدل‌های مقاوم (Robust Models)
  • 32. معرفی بهینه‌سازی مقاوم (Robust Optimization)
  • 33. اهداف بهینه‌سازی مقاوم
  • 34. تفاوت با ERM
  • 35. مشکلات مدل‌های شکننده (Brittle Models)
  • 36. مسئله حمل و نقل بهینه: ریشه‌ها و تاریخچه
  • 37. مسئله مونژ (Monge Problem)
  • 38. مسئله کانتوروویچ (Kantorovich Problem)
  • 39. تابع هزینه (Cost Function) در حمل و نقل بهینه
  • 40. مفهوم کوپلینگ حمل و نقل (Transport Coupling)
  • 41. فاصله واسرشتین (Wasserstein Distance)
  • 42. فاصله واسرشتین-1 و واسرشتین-2
  • 43. ویژگی‌های فاصله واسرشتین: متریک بودن
  • 44. مقایسه واسرشتین با KL-Divergence و Jensen-Shannon
  • 45. کاربردهای حمل و نقل بهینه در ML و آمار
  • 46. Regularization در حمل و نقل بهینه: تنظیم آنتروپیک
  • 47. الگوریتم سینکهورن (Sinkhorn Algorithm)
  • 48. جنبه‌های محاسباتی حمل و نقل بهینه
  • 49. حمل و نقل بهینه برای توزیع‌های گسسته
  • 50. حمل و نقل بهینه برای توزیع‌های پیوسته
  • 51. انگیزه‌های بهینه‌سازی توزیع-پایا
  • 52. مفهوم مجموعه ابهام (Ambiguity Set)
  • 53. ساختار مینیمکس (Minimax) در DRO
  • 54. بدترین حالت توزیع (Worst-case Distribution)
  • 55. تعریف مسئله DRO
  • 56. انواع مجموعه ابهام: Moment-based، Phi-divergence based
  • 57. معرفی DRO مبتنی بر فاصله واسرشتین
  • 58. مزایای استفاده از فاصله واسرشتین در DRO
  • 59. شعاع ابهام (Radius of Ambiguity)
  • 60. ساختار دوگان (Dual) مسئله DRO واسرشتین
  • 61. تفسیر دوگان DRO واسرشتین
  • 62. حل مسائل DRO با ابزارهای بهینه‌سازی
  • 63. پیچیدگی محاسباتی DRO
  • 64. تضمین‌های نظری DRO
  • 65. کاربردهای DRO در یادگیری ماشین و ریسک
  • 66. تعریف ریسک شرطی
  • 67. اهمیت ریسک شرطی در تصمیم‌گیری‌های حساس
  • 68. مثال‌هایی از ریسک شرطی (عدالت، سلامت شخصی‌سازی شده)
  • 69. کمینه‌سازی ریسک شرطی (CRM) به روش سنتی
  • 70. چالش‌های تخمین ریسک شرطی از داده‌های محدود
  • 71. وابستگی ریسک شرطی به متغیرهای جانبی
  • 72. مشکلات تعمیم‌پذیری CRM در سناریوهای جدید
  • 73. کمبود داده در بخش‌های خاص فضای شرط
  • 74. مقایسه ERM و CRM
  • 75. نیاز به رویکردهای مقاوم برای CRM
  • 76. تعریف و نقش اطلاعات جانبی (Covariates Z)
  • 77. چگونه Z می‌تواند مدل‌های ما را آگاه‌تر کند
  • 78. دسته‌بندی انواع اطلاعات جانبی
  • 79. اهمیت گنجاندن Z در مدل‌های یادگیری
  • 80. اثر Z بر ریسک و ریسک شرطی
  • 81. پل زدن بین CRM و DRO
  • 82. فرموله کردن CRM به عنوان یک مسئله DRO
  • 83. استفاده از فاصله واسرشتین برای ساخت مجموعه ابهام شرطی
  • 84. گنجاندن اطلاعات جانبی Z در تعریف مجموعه ابهام واسرشتین
  • 85. تعریف مجموعه ابهام واسرشتین شرطی (Conditional Wasserstein Ambiguity Set)
  • 86. فرمول‌بندی مسئله "کمینه‌سازی ریسک شرطی مقاوم" (CRRM)
  • 87. تبدیل CRRM به یک مسئله بهینه‌سازی با ساختار مینیمکس
  • 88. اثبات قابلیت حل و ردیابی (Tractability) چارچوب پیشنهادی
  • 89. ساختار دوگان مسئله CRRM
  • 90. تفسیر دوگان: توابع پتانسیل کانتوروویچ شرطی
  • 91. الگوریتم‌های حل مسئله CRRM
  • 92. تقریب‌ها و روش‌های Monte Carlo برای CRRM
  • 93. تضمین‌های تعمیم‌پذیری جهانی (Universal Generalization Guarantees)
  • 94. کران‌های تعمیم برای ریسک شرطی مقاوم
  • 95. تحلیل حساسیت پارامترهای مدل (مانند شعاع ابهام)
  • 96. مطالعات موردی: عدالت در یادگیری ماشین با CRRM
  • 97. کاربرد در پزشکی شخصی‌سازی شده و تخصیص منابع
  • 98. استفاده در تحلیل ریسک مالی با اطلاعات بازار
  • 99. محدودیت‌ها و جهت‌گیری‌های تحقیقات آتی
  • 100. ابزارهای نرم‌افزاری و پیاده‌سازی عملی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.