اپلیکیشن اندرویدی فلش‌کارت آموزشی مبانی استنتاج علّی در علم داده: از نظریه تا کاربرد

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی استنتاج علّی در علم داده: از نظریه تا کاربرد

موضوع کلی: علم داده و تحلیل آماری

موضوع میانی: استنتاج علّی و کشف روابط

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علم داده و اهمیت آن
• 2. مبانی آمار توصیفی در علم داده
• 3. مفاهیم کلیدی احتمال در تحلیل داده
• 4. انواع توزیع‌های احتمال و کاربردها
• 5. آشنایی با نمونه‌گیری و انواع آن
• 6. مقدمه‌ای بر استنباط آماری
• 7. برآورد پارامترها: فاصله‌های اطمینان
• 8. آزمون فرض آماری: اصول و کاربردها
• 9. مقدمه‌ای بر رگرسیون خطی ساده
• 10. تفسیر ضرایب در رگرسیون خطی
• 11. آزمون‌های فرض در رگرسیون خطی
• 12. مقدمه‌ای بر رگرسیون خطی چندگانه
• 13. انتخاب متغیر در مدل‌های رگرسیون
• 14. محدودیت‌های مدل‌های رگرسیون خطی
• 15. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLM)
• 16. رگرسیون لجستیک برای داده‌های طبقه‌بندی
• 17. مدل‌های پواسون برای داده‌های شمارشی
• 18. مقدمه‌ای بر تحلیل سری‌های زمانی
• 19. مفاهیم پایه در تحلیل سری‌های زمانی
• 20. مدل‌های ARIMA برای پیش‌بینی
• 21. مقدمه‌ای بر تحلیل بقا
• 22. تابع خطر و مفاهیم مرتبط
• 23. مدل کاکس در تحلیل بقا
• 24. مقدمه‌ای بر یادگیری ماشین
• 25. یادگیری با نظارت و بدون نظارت
• 26. الگوریتم‌های دسته‌بندی: K-نزدیکترین همسایه
• 27. درختان تصمیم برای طبقه‌بندی و رگرسیون
• 28. الگوریتم‌های خوشه‌بندی: K-Means
• 29. مقدمه‌ای بر استنتاج علّی
• 30. تفاوت بین همبستگی و علیت
• 31. مغالطه همبستگی به جای علیت
• 32. مقدمه‌ای بر مدل‌های گراف علّی (CGMs)
• 33. مفهوم گراف جهت‌دار غیرمدور (DAG)
• 34. نمایش روابط علّی با DAGها
• 35. مفهوم جداسازی د-جداسازی (d-separation)
• 36. کاربرد د-جداسازی در استنتاج علّی
• 37. قوانین مارکوف و چسبندگی در DAGها
• 38. استنتاج علّی از طریق مدل‌های ساختاری
• 39. مقدمه‌ای بر انتساب علّی
• 40. متغیرهای مخدوش‌گر (Confounders) و شناسایی آن‌ها
• 41. جلوگیری از مخدوش‌گری: راه‌کارهای آماری
• 42. مطالعات مقطعی و مخدوش‌گری
• 43. مطالعات طولی و مخدوش‌گری
• 44. تطبیق (Matching) برای کنترل مخدوش‌گری
• 45. تطبیق بر اساس امتیاز گرایش (Propensity Score Matching)
• 46. استفاده از کوواریانس‌ها برای کنترل مخدوش‌گری
• 47. مقدمه‌ای بر متغیرهای میانجی (Mediators)
• 48. نقش متغیرهای میانجی در زنجیره علّی
• 49. تجزیه اثر مستقیم و غیرمستقیم
• 50. روش‌های برآورد اثر میانجی
• 51. مقدمه‌ای بر متغیرهای تعدیل‌گر (Moderators)
• 52. تأثیر متغیر تعدیل‌گر بر رابطه علّی
• 53. شناسایی و آزمون اثر تعدیل‌گری
• 54. مقدمه‌ای بر کشف روابط علّی (Causal Discovery)
• 55. چالش‌های کشف روابط علّی
• 56. الگوریتم‌های مبتنی بر آزمون استقلال شرطی
• 57. الگوریتم PC
• 58. الگوریتم FCI
• 59. الگوریتم‌های مبتنی بر امتیاز (Score-based)
• 60. مقدمه‌ای بر الگوریتم‌های مبتنی بر امتیاز
• 61. تابع امتیاز و بهینه‌سازی آن
• 62. الگوریتم‌های جستجوی ساختار
• 63. مقدمه‌ای بر یادگیری عمیق در استنتاج علّی
• 64. شبکه‌های عصبی برای مدل‌سازی علّی
• 65. یادگیری گراف‌های علّی با شبکه‌های عصبی
• 66. کاربردهای استنتاج علّی در علوم اجتماعی
• 67. کاربرد در اقتصاد و سیاست‌گذاری
• 68. کاربرد در پزشکی و سلامت عمومی
• 69. کاربرد در علوم کامپیوتر و مهندسی
• 70. مقدمه‌ای بر تحلیل علّی با استفاده از داده‌های مشاهده‌ای
• 71. تکنیک‌های بازسازی علّی
• 72. مقدمه‌ای بر شبیه‌سازی در استنتاج علّی
• 73. طراحی آزمایش‌های تصادفی (RCT)
• 74. محدودیت‌های RCT ها و جایگزین‌های آن‌ها
• 75. مقدمه‌ای بر علیت در سیستم‌های پویا
• 76. مدل‌های علّی برای داده‌های پانل
• 77. کشف علیت در داده‌های شبکه‌ای
• 78. مقدمه‌ای بر یادگیری تقویتی علّی
• 79. کاربرد یادگیری تقویتی در تصمیم‌گیری علّی
• 80. مقدمه‌ای بر استنتاج علّی در هوش مصنوعی
• 81. تفسیرپذیری مدل‌های علّی
• 82. مقدمه‌ای بر چالش‌های عملی در استنتاج علّی
• 83. کیفیت داده و تأثیر آن بر استنتاج علّی
• 84. اعتبار سنجی مدل‌های علّی
• 85. مقدمه‌ای بر اخلاق در استنتاج علّی
• 86. سوگیری در داده‌ها و مدل‌ها
• 87. مسئولیت‌پذیری در استنتاج علّی
• 88. مقدمه‌ای بر روندهای آینده در استنتاج علّی
• 89. یادگیری علّی با داده‌های نامتعارف
• 90. استنتاج علّی در محیط‌های توزیع‌شده
• 91. مقدمه‌ای بر ابزارها و کتابخانه‌های نرم‌افزاری
• 92. کاربرد کتابخانه‌های پایتون برای استنتاج علّی
• 93. مقدمه‌ای بر پروژه‌های عملی در استنتاج علّی
• 94. تحلیل یک مجموعه داده واقعی علّی
• 95. ارائه نتایج استنتاج علّی
• 96. جمع‌بندی مباحث استنتاج علّی