سپنتا کتاب اکسپرس
کتاب یادگیری عمیق با رویکرد مدل‌های ساختاری علّی (Structural Causal Models)

کتاب یادگیری عمیق با رویکرد مدل‌های ساختاری علّی (Structural Causal Models)

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 یادگیری عمیق با رویکرد مدل‌های ساختاری علّی (Structural Causal Models)

موضوع کلی: روش‌های پیشرفته در استنباط علّی

موضوع میانی: روش‌های مبتنی بر یادگیری عمیق (Deep Learning)

📋 سرفصل‌های دوره

  • 1. مقدمه: یادگیری عمیق و هوش مصنوعی
  • 2. مفهوم علیت در علم
  • 3. تفاوت همبستگی و علیت
  • 4. محدودیت‌های یادگیری ماشینی سنتی
  • 5. نیاز به درک روابط علی
  • 6. معرفی مدل‌های ساختاری علّی (SCM)
  • 7. تاریخچه SCM
  • 8. اجزای SCM: متغیرها و روابط
  • 9. انواع متغیرها در SCM
  • 10. روابط علی مستقیم و غیرمستقیم
  • 11. نمودارهای علی (Causal Graphs)
  • 12. قوانین دیتای گراف‌های علی
  • 13. حذف و اضافه کردن یال در گراف‌های علی
  • 14. تشخیص متغیرهای مخدوش‌کننده (Confounders)
  • 15. تشخیص متغیرهای واسطه (Mediators)
  • 16. تشخیص متغیرهای ابزار (Instruments)
  • 17. مسائل مخدوش‌کنندگی در یادگیری عمیق
  • 18. روش‌های کنترل مخدوش‌کنندگی
  • 19. هودرت (Backdoor Criterion)
  • 20. جاده‌بازکن (Front-door Criterion)
  • 21. استراتژی‌های مداخله (Interventions)
  • 22. تابع اقدام (do-operator)
  • 23. محاسبه اثرات علی با استفاده از SCM
  • 24. از SCM تا یادگیری عمیق
  • 25. نقش SCM در تبیین مدل‌های یادگیری عمیق
  • 26. یادگیری عمیق قابل تفسیر (Interpretable Deep Learning)
  • 27. ارتباط SCM با شبکه‌های عصبی
  • 28. مفاهیم پایه‌ای شبکه‌های عصبی
  • 29. شبکه‌های عصبی پرسپترون چندلایه (MLP)
  • 30. توابع فعال‌سازی (Activation Functions)
  • 31. بهینه‌سازی و گرادیان کاهشی
  • 32. پس‌انتشار خطا (Backpropagation)
  • 33. شبکه‌های عصبی کانولوشنی (CNN)
  • 34. کاربرد CNN در بینایی ماشین
  • 35. شبکه‌های عصبی بازگشتی (RNN)
  • 36. کاربرد RNN در پردازش زبان طبیعی
  • 37. شبکه‌های عصبی حافظه طولانی کوتاه مدت (LSTM)
  • 38. شبکه‌های عصبی واحد بازگشتی دروازه‌دار (GRU)
  • 39. ترانسفورمرها (Transformers)
  • 40. مکانیسم توجه (Attention Mechanism)
  • 41. SCM و شبکه‌های عصبی عمیق
  • 42. آیا شبکه‌های عصبی علی هستند؟
  • 43. یادگیری روابط علی با شبکه‌های عصبی
  • 44. پیاده‌سازی SCM با استفاده از شبکه‌های عصبی
  • 45. مدل‌های گراف علی و شبکه‌های عصبی
  • 46. روش‌های یادگیری گراف علی
  • 47. یادگیری گراف علی از داده‌های مشاهده‌ای
  • 48. یادگیری گراف علی از داده‌های مداخله‌ای
  • 49. شبکه‌های عصبی علی (Causal Neural Networks)
  • 50. ساختارهای شبکه‌های عصبی علی
  • 51. آموزش شبکه‌های عصبی علی
  • 52. کاربرد شبکه‌های عصبی علی در پیش‌بینی علّی
  • 53. تشخیص علل ریشه‌ای (Root Cause Analysis)
  • 54. کاربرد SCM در یادگیری تقویتی (Reinforcement Learning)
  • 55. یادگیری تقویتی مبتنی بر مدل
  • 56. یادگیری تقویتی بدون مدل
  • 57. SCM برای درک و هدایت عامل‌های هوشمند
  • 58. توسعه سیاست‌های علّی
  • 59. یادگیری انتقال (Transfer Learning) و SCM
  • 60. یادگیری انتقال بین توزیع‌ها
  • 61. SCM برای بهبود انتقال یادگیری
  • 62. یادگیری خودنظارتی (Self-Supervised Learning) و SCM
  • 63. SCM برای طراحی وظایف خودنظارتی
  • 64. بهبود نمایش‌های یادگیری خودنظارتی
  • 65. مدل‌های مولد (Generative Models) و SCM
  • 66. شبکه‌های مولد تخاصمی (GANs)
  • 67. SCM و کنترل فرآیندهای مولد
  • 68. تولید داده‌های علّی
  • 69. اعتبار سنجی مدل‌های یادگیری عمیق با SCM
  • 70. تشخیص بیش‌برازش (Overfitting) با SCM
  • 71. تشخیص سوگیری (Bias) در مدل‌های یادگیری عمیق
  • 72. یادگیری عمیق قابل اعتماد (Trustworthy Deep Learning)
  • 73. SCM و اخلاق در هوش مصنوعی
  • 74. مسئولیت‌پذیری مدل‌های هوش مصنوعی
  • 75. عدالت (Fairness) در یادگیری عمیق
  • 76. SCM برای سنجش و بهبود عدالت
  • 77. حریم خصوصی (Privacy) در یادگیری عمیق
  • 78. SCM و امنیت (Security) در هوش مصنوعی
  • 79. قابلیت اطمینان (Robustness) در یادگیری عمیق
  • 80. SCM برای افزایش قابلیت اطمینان
  • 81. مطالعات موردی: کاربرد SCM در یادگیری عمیق
  • 82. کاربرد در پزشکی و سلامت
  • 83. کاربرد در علوم اجتماعی
  • 84. کاربرد در اقتصاد و مالی
  • 85. کاربرد در رباتیک
  • 86. کاربرد در سیستم‌های توصیه‌گر
  • 87. چالش‌های پیش رو در SCM و یادگیری عمیق
  • 88. کمیابی داده‌های علّی
  • 89. هزینه جمع‌آوری داده‌های مداخله‌ای
  • 90. پیچیدگی محاسباتی
  • 91. نیاز به دانش تخصصی دامنه
  • 92. آینده SCM و یادگیری عمیق
  • 93. همگرایی SCM و یادگیری عمیق
  • 94. پیشرفت در الگوریتم‌های یادگیری علّی
  • 95. توسعه ابزارهای نرم‌افزاری
  • 96. کاربرد در مسائل پیچیده جهان واقعی
  • 97. جمع‌بندی و چشم‌انداز 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.