اپلیکیشن اندرویدی فلش‌کارت آموزشی کاربرد مدل‌های ریاضی در پیش‌بینی و کنترل همه‌گیری‌ها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربرد مدل‌های ریاضی در پیش‌بینی و کنترل همه‌گیری‌ها

موضوع کلی: علوم کاربردی و مدل‌سازی

موضوع میانی: ریاضیات و آمار در سلامت

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر ریاضیات و سلامت
• 2. اهمیت مدل‌سازی در علوم پزشکی
• 3. تاریخچه مدل‌سازی بیماری‌ها
• 4. مدل‌های پایه در اپیدمیولوژی
• 5. معرفی مدلSIR
• 6. اجزای مدل SIR: حساس، مبتلا، بهبودیافته
• 7. کاربرد مدل SIR در مطالعه بیماری‌های عفونی
• 8. محدودیت‌های مدل SIR
• 9. مدل‌های پیشرفته‌تر: SEIR
• 10. اجزای مدل SEIR: در معرض، مبتلا، بهبودیافته، ایمن
• 11. مقایسه مدل SIR و SEIR
• 12. مدل‌های مبتنی بر عامل (Agent-Based Models)
• 13. مفاهیم پایه در مدل‌های مبتنی بر عامل
• 14. پیاده‌سازی مدل‌های مبتنی بر عامل
• 15. کاربرد مدل‌های مبتنی بر عامل در سلامت
• 16. معرفی آمار در علوم سلامت
• 17. مفاهیم اولیه آمار توصیفی
• 18. میانگین، میانه و نما در داده‌های سلامت
• 19. انحراف معیار و واریانس
• 20. نمودارهای آماری در سلامت
• 21. آمار استنباطی و مفاهیم آن
• 22. آزمون فرض آماری
• 23. مقایسه گروه‌ها با استفاده از آزمون‌های آماری
• 24. رگرسیون خطی ساده
• 25. مفاهیم همبستگی
• 26. رگرسیون خطی چندگانه
• 27. کاربرد رگرسیون در پیش‌بینی نتایج سلامت
• 28. مقدمه‌ای بر نظریه احتمال
• 29. قوانین احتمال پایه
• 30. احتمال شرطی و قضیه بیز
• 31. کاربرد قضیه بیز در تشخیص بیماری
• 32. انتظار ریاضی و واریانس متغیرهای تصادفی
• 33. توزیع‌های احتمال گسسته
• 34. توزیع دوجمله‌ای
• 35. توزیع پواسون
• 36. توزیع‌های احتمال پیوسته
• 37. توزیع نرمال (گاوسی)
• 38. کاربرد توزیع نرمال در داده‌های زیستی
• 39. توزیع‌های مرتبط با توزیع نرمال
• 40. مقدمه‌ای بر سری‌های زمانی در سلامت
• 41. تحلیل سری‌های زمانی اپیدمی
• 42. شناسایی روند و فصلیت در داده‌های سلامت
• 43. مدل‌های ARIMA برای پیش‌بینی سری‌های زمانی
• 44. کاربرد مدل‌های سری زمانی در پیش‌بینی شیوع بیماری
• 45. معرفی بهینه‌سازی در مدل‌های سلامت
• 46. تابع هدف و متغیرهای تصمیم
• 47. بهینه‌سازی خطی
• 48. روش سیمپلکس
• 49. بهینه‌سازی غیرخطی
• 50. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
• 51. معماری شبکه‌های عصبی
• 52. یادگیری در شبکه‌های عصبی
• 53. کاربرد شبکه‌های عصبی در تشخیص و پیش‌بینی بیماری
• 54. مقدمه‌ای بر یادگیری ماشین در سلامت
• 55. انواع یادگیری ماشین: نظارت شده و بدون نظارت
• 56. الگوریتم‌های یادگیری ماشین رایج
• 57. ارزیابی مدل‌های یادگیری ماشین
• 58. کاربرد یادگیری ماشین در کشف دارو
• 59. کاربرد یادگیری ماشین در تحلیل تصاویر پزشکی
• 60. مقدمه‌ای بر مدل‌سازی اقتصادی در سلامت
• 61. تحلیل هزینه-فایده در برنامه‌های بهداشتی
• 62. تحلیل هزینه-اثربخشی
• 63. مدل‌سازی اقتصادی برای بیماری‌های مزمن
• 64. مدل‌سازی اقتصادی برای بیماری‌های عفونی
• 65. مقدمه‌ای بر مدل‌سازی حمل و نقل بیماری
• 66. مدل‌های انتقال بیماری در جمعیت
• 67. نقش تحرک جمعیت در انتشار بیماری
• 68. مدل‌سازی شبکه‌های اجتماعی در انتقال بیماری
• 69. کاربرد مدل‌سازی در کنترل و پیشگیری از بیماری
• 70. مدیریت منابع در سیستم بهداشت و درمان
• 71. بهینه‌سازی تخصیص واکسن
• 72. مدل‌سازی برای تصمیم‌گیری در سیاست‌گذاری سلامت
• 73. ارزیابی تاثیر مداخلات بهداشتی
• 74. مدل‌سازی برای آمادگی در برابر همه‌گیری‌ها
• 75. شبیه‌سازی سناریوهای مختلف همه‌گیری
• 76. آموزش و آگاهی‌بخشی در مورد بیماری‌ها
• 77. نقش مدل‌سازی در آموزش کارکنان بهداشت
• 78. مقدمه‌ای بر اخلاق در مدل‌سازی سلامت
• 79. مسائل حریم خصوصی داده‌ها
• 80. شفافیت در مدل‌سازی
• 81. مسئولیت‌پذیری در استفاده از مدل‌ها
• 82. آینده مدل‌سازی ریاضی در سلامت
• 83. پیشرفت‌های آتی در مدل‌سازی اپیدمی
• 84. نقش هوش مصنوعی در مدل‌سازی سلامت
• 85. همکاری بین‌المللی در مدل‌سازی بیماری‌ها
• 86. درس آموخته‌ها از همه‌گیری‌های گذشته
• 87. مدل‌سازی برای سلامت جهانی