کتاب کاهش سوگیری (Bias) در داده‌ها برای مدل‌های عادلانه

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 کاهش سوگیری (Bias) در داده‌ها برای مدل‌های عادلانه

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: مدیریت داده‌های بزرگ

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه بر سوگیری در داده‌ها
  • 2. تعریف سوگیری در داده‌ها
  • 3. انواع سوگیری در داده‌ها
  • 4. سوگیری انتخاب (Selection Bias)
  • 5. سوگیری نمونه‌برداری (Sampling Bias)
  • 6. سوگیری اندازه‌گیری (Measurement Bias)
  • 7. سوگیری تأیید (Confirmation Bias)
  • 8. سوگیری بقا (Survivorship Bias)
  • 9. سوگیری تأخیر (Latency Bias)
  • 10. سوگیری در برچسب‌گذاری داده‌ها (Labeling Bias)
  • 11. سوگیری الگوریتمی (Algorithmic Bias)
  • 12. سوگیری تاریخی (Historical Bias)
  • 13. سوگیری اجتماعی (Societal Bias)
  • 14. سوگیری ناشی از داده‌های نامتعادل (Imbalanced Data Bias)
  • 15. سوگیری ناشی از ویژگی‌های حساس (Sensitive Attribute Bias)
  • 16. سوگیری ناشی از نمایندگی ناکافی (Underrepresentation Bias)
  • 17. سوگیری ناشی از تعمیم بیش از حد (Overgeneralization Bias)
  • 18. تأثیر سوگیری در مدل‌های یادگیری ماشین
  • 19. پیامدهای سوگیری در مدل‌های عادلانه
  • 20. اهمیت عادلانه‌سازی مدل‌ها
  • 21. تعریف عدالت در یادگیری ماشین
  • 22. معیارهای مختلف عادلانه‌سازی
  • 23. عدالت در عمل (Fairness in Practice)
  • 24. عدالت در طراحی (Fairness by Design)
  • 25. رویکردهای کلی برای کاهش سوگیری
  • 26. پیش‌پردازش داده‌ها (Pre-processing)
  • 27. حین پردازش مدل (In-processing)
  • 28. پس‌پردازش مدل (Post-processing)
  • 29. شناسایی سوگیری در داده‌ها
  • 30. تکنیک‌های بصری‌سازی برای شناسایی سوگیری
  • 31. تحلیل آماری برای شناسایی سوگیری
  • 32. مقایسه‌ آماری بین گروه‌های مختلف
  • 33. استفاده از ابزارهای تشخیص سوگیری
  • 34. تجزیه و تحلیل توزیع ویژگی‌ها
  • 35. بررسی همبستگی با ویژگی‌های حساس
  • 36. شناسایی سوگیری در مراحل مختلف خط لوله یادگیری ماشین
  • 37. روش‌های پیش‌پردازش برای کاهش سوگیری
  • 38. نمونه‌برداری مجدد (Resampling)
  • 39. نمونه‌برداری بیش از حد (Oversampling)
  • 40. نمونه‌برداری کم (Undersampling)
  • 41. تکنیک‌های ترکیبی نمونه‌برداری
  • 42. تولید داده‌های مصنوعی (Data Augmentation)
  • 43. SMOTE و انواع آن
  • 44. تکنیک‌های وزن‌دهی داده‌ها (Data Weighting)
  • 45. تنظیم وزن نمونه‌ها
  • 46. بازتعریف یا اصلاح ویژگی‌ها (Feature Engineering/Transformation)
  • 47. تبدیل ویژگی‌های حساس
  • 48. حذف ویژگی‌های حساس
  • 49. روش‌های آماری برای کاهش سوگیری
  • 50. تعدیل آماری (Statistical Adjustment)
  • 51. روش‌های مبتنی بر عدم قطعیت (Uncertainty-based Methods)
  • 52. روش‌های مبتنی بر جامعه (Community-based Methods)
  • 53. روش‌های حین پردازش برای کاهش سوگیری
  • 54. تعدیل توابع هزینه (Cost Function Modification)
  • 55. اضافه کردن جریمه‌های مربوط به سوگیری
  • 56. تکنیک‌های تنظیم مدل (Regularization Techniques)
  • 57. استفاده از مدل‌های پایدار (Robust Models)
  • 58. یادگیری انتقالی (Transfer Learning) با داده‌های عادلانه
  • 59. یادگیری چند وظیفه‌ای (Multi-task Learning) با اهداف عادلانه
  • 60. تکنیک‌های مبتنی بر تضاد (Adversarial Techniques)
  • 61. آموزش متخاصم برای کاهش سوگیری
  • 62. استفاده از شبکه‌های متخاصم برای رفع سوگیری
  • 63. روش‌های پس‌پردازش برای کاهش سوگیری
  • 64. اصلاح خروجی مدل (Output Correction)
  • 65. تنظیم آستانه‌های تصمیم‌گیری (Decision Threshold Adjustment)
  • 66. کالیبراسیون مدل (Model Calibration)
  • 67. تکنیک‌های مبتنی بر رتبه‌بندی (Ranking-based Methods)
  • 68. تکنیک‌های مبتنی بر تخصیص (Allocation-based Methods)
  • 69. روش‌های مبتنی بر تبعیض (Discrimination-based Methods)
  • 70. ارزیابی عادلانه‌سازی مدل‌ها
  • 71. معیارهای ارزیابی عادلانه‌سازی
  • 72. معیارهای مبتنی بر برابری آماری (Statistical Parity)
  • 73. برابری میانگین (Mean Equality)
  • 74. برابری نسبت مثبت (Positive Rate Equality)
  • 75. برابری نسبت منفی (Negative Rate Equality)
  • 76. معیارهای مبتنی بر برابری فرصت (Equality of Opportunity)
  • 77. نرخ مثبت واقعی (True Positive Rate)
  • 78. نرخ مثبت غلط (False Positive Rate)
  • 79. معیارهای مبتنی بر پیش‌بینی برابر (Predictive Equality)
  • 80. نسبت پیش‌بینی مثبت (Positive Predictive Value)
  • 81. نسبت پیش‌بینی منفی (Negative Predictive Value)
  • 82. معیارهای مبتنی بر برابری پیامد (Equality of Outcome)
  • 83. معیارهای مبتنی بر گروه‌بندی (Group-based Metrics)
  • 84. معیارهای مبتنی بر فرد (Individual-based Metrics)
  • 85. مقایسه معیارهای مختلف عادلانه‌سازی
  • 86. توازن بین دقت و عدالت
  • 87. چالش‌های عادلانه‌سازی در عمل
  • 88. سوگیری در داده‌های واقعی و پیچیده
  • 89. اثرات متقابل سوگیری‌ها
  • 90. حفظ حریم خصوصی و عادلانه‌سازی
  • 91. پیاده‌سازی عادلانه‌سازی در مقیاس بزرگ
  • 92. ملاحظات اخلاقی در عادلانه‌سازی
  • 93. ابزارها و کتابخانه‌های عادلانه‌سازی
  • 94. AIF360، Fairlearn، What-If Tool
  • 95. مطالعات موردی عادلانه‌سازی
  • 96. مثال‌هایی از کاربرد عادلانه‌سازی در صنایع مختلف
  • 97. مالی، پزشکی، استخدام، عدالت کیفری
  • 98. آینده عادلانه‌سازی در هوش مصنوعی
  • 99. روندها و تحقیقات جدید
  • 100. پیش‌بینی چالش‌های آینده

📚 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.