سپنتا کتاب اکسپرس
کتاب مدل‌سازی علّی با استفاده از داده‌های جمع‌آوری شده از آزمایش‌ها

کتاب مدل‌سازی علّی با استفاده از داده‌های جمع‌آوری شده از آزمایش‌ها

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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌سازی علّی با استفاده از داده‌های جمع‌آوری شده از آزمایش‌ها

موضوع کلی: روش‌های پیشرفته در استنباط علّی

موضوع میانی: استنباط علّی در تجزیه و تحلیل علل تأثیر داده‌های آزمایشی بر استنباط علّی (Experimental Data Impact on Causal Inference Cause Analysis)

📋 سرفصل‌های دوره

  • 1. فصل اول: مقدمه ای بر مدل‌سازی علّی
  • 2. فصل دوم: مبانی نظری مدل‌سازی علّی
  • 3. فصل سوم: انواع روابط علّی
  • 4. فصل چهارم: مفاهیم اساسی در مدل‌سازی علّی
  • 5. فصل پنجم: جمع‌آوری داده‌های آزمایشگاهی
  • 6. فصل ششم: طراحی آزمایش‌های کنترل شده
  • 7. فصل هفتم: مراحل اجرای آزمایش
  • 8. فصل هشتم: ابزارها و تکنیک‌های جمع‌آوری داده
  • 9. فصل نهم: کیفیت داده‌ها در آزمایش‌ها
  • 10. فصل دهم: پاکسازی و پیش‌پردازش داده‌های آزمایشی
  • 11. فصل یازدهم: مدل‌های آماری برای استنتاج علّی
  • 12. فصل دوازدهم: رگرسیون خطی و تعمیم یافته‌ها
  • 13. فصل سیزدهم: تحلیل واریانس (ANOVA)
  • 14. فصل چهاردهم: مدل‌های خطی تعمیم یافته (GLM)
  • 15. فصل پانزدهم: مدل‌های معادلات ساختاری (SEM)
  • 16. فصل شانزدهم: مفاهیم بنیادی SEM
  • 17. فصل هفدهم: ساختار مدل SEM
  • 18. فصل هجدهم: برآورد پارامترها در SEM
  • 19. فصل نوزدهم: ارزیابی نیکویی برازش مدل SEM
  • 20. فصل بیستم: تحلیل مسیر (Path Analysis)
  • 21. فصل بیست و یکم: مدل‌های ساختار عاملی (Factor Analysis Models)
  • 22. فصل بیست و دوم: مدل‌های اندازه‌گیری و ساختاری
  • 23. فصل بیست و سوم: آزمون فرضیه‌های علّی در SEM
  • 24. فصل بیست و چهارم: مدل‌سازی علّی بیزی (Bayesian Causal Modeling)
  • 25. فصل بیست و پنجم: مقدمه ای بر استنتاج بیزی
  • 26. فصل بیست و ششم: مدل‌های گرافیکی علّی (Causal Graphical Models)
  • 27. فصل بیست و هفتم: شبکه‌های بیزی (Bayesian Networks)
  • 28. فصل بیست و هشتم: ساختار و تفسیر شبکه‌های بیزی
  • 29. فصل بیست و نهم: استنتاج در شبکه‌های بیزی
  • 30. فصل سی ام: کاربرد شبکه‌های بیزی در مدل‌سازی علّی
  • 31. فصل سی و یکم: مدل‌های ساختاری علّی (Structural Causal Models - SCM)
  • 32. فصل سی و دوم: مفاهیم SCM و گراف‌های علّی
  • 33. فصل سی و سوم: تعریف علیت و تداخل (Intervention)
  • 34. فصل سی و چهارم: گراف‌های جهت‌دار غیرمدور (DAGs)
  • 35. فصل سی و پنجم: قانون Causal Markov
  • 36. فصل سی و ششم: شرطی‌سازی و استقلال علّی
  • 37. فصل سی و هفتم: بازآرایی (Backdoor) و بستار (Frontdoor)
  • 38. فصل سی و هشتم: روش بازآرایی برای برآورد اثرات علّی
  • 39. فصل سی و نهم: روش بستار برای برآورد اثرات علّی
  • 40. فصل چهلم: تداخل و بازآرایی
  • 41. فصل چهل و یکم: تداخل و بستار
  • 42. فصل چهل و دوم: انواع اثرات علّی (Average Causal Effect - ACE)
  • 43. فصل چهل و سوم: اثرات شرطی علّی (Conditional Causal Effects - CCE)
  • 44. فصل چهل و چهارم: اثرات علّی مستقیم و غیرمستقیم
  • 45. فصل چهل و پنجم: شناسایی (Identification) اثرات علّی
  • 46. فصل چهل و ششم: مسائل مربوط به شناسایی
  • 47. فصل چهل و هفتم: تکنیک‌های شناسایی
  • 48. فصل چهل و هشتم: متغیرهای مخدوشگر (Confounders)
  • 49. فصل چهل و نهم: شناسایی و کنترل متغیرهای مخدوشگر
  • 50. فصل پنجاهم: عدم رعایت شرط بازآرایی
  • 51. فصل پنجاه و یکم: عدم رعایت شرط بستار
  • 52. فصل پنجاه و دوم: ناهمگنی (Heterogeneity) اثرات علّی
  • 53. فصل پنجاه و سوم: شناسایی و مدل‌سازی ناهمگنی
  • 54. فصل پنجاه و چهارم: مدل‌سازی علّی پویا (Dynamic Causal Modeling)
  • 55. فصل پنجاه و پنجم: مدل‌های سری زمانی علّی
  • 56. فصل پنجاه و ششم: روش‌های کلاسیک در سری زمانی
  • 57. فصل پنجاه و هفتم: مدل‌های ARIMA
  • 58. فصل پنجاه و هشتم: مدل‌های Vector Autoregression (VAR)
  • 59. فصل پنجاه و نهم: مدل‌های VARX
  • 60. فصل شصتم: شناسایی علیت در سری زمانی (Granger Causality)
  • 61. فصل شصت و یکم: محدودیت‌های علیت گرنجر
  • 62. فصل شصت و دوم: مدل‌سازی علّی با شبکه‌های عصبی
  • 63. فصل شصت و سوم: شبکه‌های عصبی بازگشتی (RNNs)
  • 64. فصل شصت و چهارم: شبکه‌های عصبی کانولوشنی (CNNs)
  • 65. فصل شصت و پنجم: شبکه‌های مولد تخاصمی (GANs)
  • 66. فصل شصت و ششم: کاربرد GANs در مدل‌سازی علّی
  • 67. فصل شصت و هفتم: مدل‌سازی علّی با یادگیری عمیق
  • 68. فصل شصت و هشتم: روش‌های ناظر (Supervised) در یادگیری علّی
  • 69. فصل شصت و نهم: روش‌های ناظر (Unsupervised) در یادگیری علّی
  • 70. فصل هفتادم: الگوریتم‌های یادگیری علّی
  • 71. فصل هفتاد و یکم: درختان علّی (Causal Trees)
  • 72. فصل هفتاد و دوم: جنگل‌های علّی (Causal Forests)
  • 73. فصل هفتاد و سوم: متغیرهای میانجی (Mediators)
  • 74. فصل هفتاد و چهارم: شناسایی و مدل‌سازی اثرات میانجی
  • 75. فصل هفتاد و پنجم: متغیرهای تعدیل‌گر (Moderators)
  • 76. فصل هفتاد و ششم: شناسایی و مدل‌سازی اثرات تعدیل‌گر
  • 77. فصل هفتاد و هفتم: مدل‌سازی علّی غیرخطی
  • 78. فصل هفتاد و هشتم: الگوریتم‌های بهینه‌سازی علّی
  • 79. فصل هفتاد و نهم: مدل‌سازی علّی در علوم اجتماعی
  • 80. فصل هشتادم: مدل‌سازی علّی در علوم پزشکی
  • 81. فصل هشتاد و یکم: مدل‌سازی علّی در اقتصاد
  • 82. فصل هشتاد و دوم: مدل‌سازی علّی در مهندسی
  • 83. فصل هشتاد و سوم: مدل‌سازی علّی در علوم کامپیوتر
  • 84. فصل هشتاد و چهارم: ارزیابی مدل‌های علّی
  • 85. فصل هشتاد و پنجم: معیارهای ارزیابی
  • 86. فصل هشتاد و ششم: اعتبارسنجی مدل‌ها
  • 87. فصل هشتاد و هفتم: حساسیت تحلیل (Sensitivity Analysis)
  • 88. فصل هشتاد و هشتم: عدم قطعیت در مدل‌سازی علّی
  • 89. فصل هشتاد و نهم: انتشار عدم قطعیت
  • 90. فصل نودم: تفاسیر مدل‌های علّی
  • 91. فصل نود و یکم: ارتباط مدل‌سازی علّی با یادگیری ماشین
  • 92. فصل نود و دوم: مرزهای مدل‌سازی علّی
  • 93. فصل نود و سوم: چالش‌های پیش رو
  • 94. فصل نود و چهارم: روندهای آینده در مدل‌سازی علّی
  • 95. فصل نود و پنجم: کاربردهای پیشرفته
  • 96. فصل نود و ششم: مسائل اخلاقی در مدل‌سازی علّی
  • 97. فصل نود و هفتم: جمع‌بندی و توصیه‌ها
  • 98. فصل نود و هشتم: مطالعات موردی (Case Studies)
  • 99. فصل نود و نهم: پیوست‌ها و واژه‌نامه
  • 100. فصل صدم: منابع و مآخذ

📚 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.