دوره استنتاج سببی تفسیرپذیر: ساخت مدل‌های قابل اعتماد با شبکه‌های KAN همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استنتاج سببی تفسیرپذیر: ساخت مدل‌های قابل اعتماد با شبکه‌های KAN

موضوع کلی: یادگیری ماشین

موضوع میانی: استنتاج سببی در یادگیری ماشین

📋 سرفصل‌های دوره

• 1. مبانی استنتاج سببی
• 2. علت و معلول: مفاهیم و تعاریف
• 3. همبستگی در مقابل علیت
• 4. مقدمه‌ای بر مدل‌های سببی
• 5. نمودارهای سببی (DAGs)
• 6. متغیرهای مخدوشگر (Confounders)
• 7. اثرات مداخله (Intervention Effects)
• 8. فرضیه‌های اساسی در استنتاج سببی
• 9. تئوری احتمالات سببی (Causal Probabilities)
• 10. محاسبه اثرات علّی با فرمول do-calculus
• 11. شناسایی اثرات سببی
• 12. مدل‌های ساختاری معادلات (SEM)
• 13. متغیرهای ابزاری (Instrumental Variables)
• 14. رگرسیون ناپیوسته (Regression Discontinuity)
• 15. تطبیق امتیاز گرایش (Propensity Score Matching)
• 16. وزن‌دهی احتمال معکوس درمان (Inverse Probability of Treatment Weighting)
• 17. تخمین اثرات درمان ناهمگن
• 18. مقدمه‌ای بر شبکه‌های عصبی
• 19. معماری‌های پایه شبکه‌های عصبی
• 20. شبکه‌های عصبی پیشخور (Feedforward Neural Networks)
• 21. توابع فعال‌سازی (Activation Functions)
• 22. بهینه‌سازی شبکه‌های عصبی
• 23. پس‌انتشار خطا (Backpropagation)
• 24. گرادیان کاهشی (Gradient Descent)
• 25. تنظیم‌سازی (Regularization)
• 26. ارزیابی عملکرد شبکه‌های عصبی
• 27. مقدمه‌ای بر شبکه‌های KAN (Kolmogorov-Arnold Networks)
• 28. معماری شبکه‌های KAN
• 29. توابع فعال‌سازی در شبکه‌های KAN
• 30. یادگیری توابع پایه در شبکه‌های KAN
• 31. مزایای شبکه‌های KAN
• 32. تفسیرپذیری در شبکه‌های KAN
• 33. انتخاب توابع پایه مناسب
• 34. مقایسه KAN با شبکه‌های عصبی استاندارد
• 35. کاربردهای شبکه‌های KAN
• 36. پیاده‌سازی شبکه‌های KAN با پایتون (Python)
• 37. معرفی کتابخانه‌های KAN
• 38. ساخت اولین مدل KAN
• 39. آماده‌سازی داده برای KAN
• 40. آموزش مدل KAN
• 41. ارزیابی مدل KAN
• 42. تنظیم هایپرپارامترهای KAN
• 43. استفاده از KAN برای تخمین اثرات درمان
• 44. یکپارچه‌سازی استنتاج سببی با KAN
• 45. تخمین اثرات درمان با CausalKANs
• 46. مزایای CausalKANs در استنتاج سببی
• 47. تفسیرپذیری CausalKANs
• 48. شناسایی متغیرهای مخدوشگر با CausalKANs
• 49. مقایسه CausalKANs با روش‌های سنتی استنتاج سببی
• 50. پیاده‌سازی CausalKANs با پایتون
• 51. ساخت یک مدل CausalKANs
• 52. آموزش CausalKANs
• 53. ارزیابی CausalKANs
• 54. تفسیر نتایج CausalKANs
• 55. نمایش بصری نتایج CausalKANs
• 56. بهبود عملکرد CausalKANs
• 57. انتخاب پارامترهای مناسب برای CausalKANs
• 58. تنظیم توابع فعال‌سازی در CausalKANs
• 59. مقابله با بیش‌برازش (Overfitting) در CausalKANs
• 60. بهینه‌سازی معماری CausalKANs
• 61. کاربردهای پیشرفته CausalKANs
• 62. استنتاج سببی با داده‌های سری زمانی
• 63. استنتاج سببی با داده‌های متنی
• 64. استنتاج سببی در تصاویر
• 65. استنتاج سببی در گراف‌ها
• 66. استنتاج سببی با داده‌های ناقص
• 67. روش‌های برخورد با داده‌های از دست رفته (Missing Data)
• 68. تحلیل حساسیت (Sensitivity Analysis)
• 69. اعتبارسنجی نتایج استنتاج سببی
• 70. اخلاق در استنتاج سببی
• 71. جلوگیری از سوگیری (Bias) در استنتاج سببی
• 72. مسئولیت‌پذیری در استنتاج سببی
• 73. حریم خصوصی در استنتاج سببی
• 74. آینده استنتاج سببی
• 75. چالش‌های پیش روی استنتاج سببی
• 76. روندهای نوظهور در استنتاج سببی
• 77. استنتاج سببی و هوش مصنوعی عمومی (AGI)
• 78. مطالعه موردی 1: استنتاج سببی در پزشکی
• 79. مطالعه موردی 2: استنتاج سببی در اقتصاد
• 80. مطالعه موردی 3: استنتاج سببی در بازاریابی
• 81. مطالعه موردی 4: استنتاج سببی در علوم اجتماعی
• 82. مطالعه موردی 5: استنتاج سببی در سیاست‌گذاری
• 83. استفاده از کتابخانه‌های پایتون برای استنتاج سببی (DoWhy, EconML)
• 84. تکنیک‌های پیشرفته برای تفسیر مدل‌های KAN
• 85. تحلیل اهمیت ویژگی (Feature Importance) در KAN
• 86. استفاده از KAN برای کشف روابط سببی
• 87. ایجاد مدل‌های توضیحی با KAN
• 88. تحلیل واریانس در KAN
• 89. تفسیر توابع فعال‌سازی KAN
• 90. به کارگیری KAN در محیط‌های با داده‌های بزرگ (Big Data)
• 91. استفاده از محاسبات ابری برای آموزش KAN
• 92. توزیع آموزش KAN بر روی چندین پردازنده
• 93. مقیاس‌پذیری KAN
• 94. استفاده از KAN برای یادگیری انتقال (Transfer Learning)
• 95. یادگیری بدون نظارت با KAN
• 96. تشخیص ناهنجاری با KAN
• 97. بهبود استحکام (Robustness) KAN در برابر داده‌های پرت
• 98. استفاده از KAN برای مدل‌سازی اثرات تعاملی
• 99. ساخت مدل‌های سببی چند سطحی با KAN
• 100. ارزیابی عدم قطعیت در تخمین‌های سببی KAN