دوره استنتاج احتمالی سریع برای معادلات دیفرانسیل معمولی با ProbNumDiffEq.jl همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استنتاج احتمالی سریع برای معادلات دیفرانسیل معمولی با ProbNumDiffEq.jl

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: روش‌های عددی و بهینه‌سازی در محاسبات علمی

📋 سرفصل‌های دوره

• 1. مبانی احتمالات و آمار در محاسبات
• 2. مقدمه‌ای بر معادلات دیفرانسیل معمولی
• 3. روش‌های حل عددی معادلات دیفرانسیل معمولی
• 4. مفهوم استنتاج احتمالی
• 5. کاربرد احتمالات در حل معادلات دیفرانسیل
• 6. مبانی ProbNumDiffEq.jl
• 7. نصب و راه‌اندازی ProbNumDiffEq.jl
• 8. ساختار کلی ProbNumDiffEq.jl
• 9. اولین گام‌ها با ProbNumDiffEq.jl
• 10. تعریف مسئله در ProbNumDiffEq.jl
• 11. انتخاب مدل احتمالی
• 12. مدل‌های پیش‌فرض در ProbNumDiffEq.jl
• 13. تنظیمات حل‌کننده (Solver)
• 14. پارامترهای حل‌کننده
• 15. تنظیم دقت حل
• 16. تکنیک‌های احتمالی در حل عددی
• 17. فیلتر کالمن و کاربردهای آن
• 18. فیلتر کالمن توسعه‌یافته
• 19. فیلتر کالمن نامتغیر
• 20. فیلتر کالمن با اندازه‌گیری‌های غیرخطی
• 21. فیلتر پسا-پیش‌بینی ( hậu-predict)
• 22. فیلتر پسا-پسین ( hậu-posterior)
• 23. مفاهیم پیش‌بینی و پس‌بینی
• 24. مدل‌های احتمالی برای پارامترها
• 25. تخمین پارامترها با روش‌های احتمالی
• 26. اعتماد به نتایج حل
• 27. نمایش عدم قطعیت در نتایج
• 28. مصورسازی نتایج احتمالی
• 29. کاربرد ProbNumDiffEq.jl در فیزیک
• 30. کاربرد ProbNumDiffEq.jl در مهندسی
• 31. کاربرد ProbNumDiffEq.jl در اقتصاد
• 32. کاربرد ProbNumDiffEq.jl در علوم زیستی
• 33. بهینه‌سازی پارامترها
• 34. روش‌های بهینه‌سازی در ProbNumDiffEq.jl
• 35. بهینه‌سازی مبتنی بر گرادیان
• 36. بهینه‌سازی بدون گرادیان
• 37. بهینه‌سازی بیزین
• 38. مقایسه روش‌های بهینه‌سازی
• 39. تنظیمات پیشرفته در ProbNumDiffEq.jl
• 40. مدیریت خطا در ProbNumDiffEq.jl
• 41. استراتژی‌های برخورد با خطا
• 42. اعتبار سنجی مدل‌های احتمالی
• 43. ارزیابی عملکرد حل‌کننده‌ها
• 44. کارایی محاسباتی ProbNumDiffEq.jl
• 45. بهینه‌سازی کد و اجرای سریع‌تر
• 46. تحلیل حساسیت نتایج
• 47. تأثیر پارامترهای ورودی بر خروجی
• 48. تکنیک‌های نمونه‌گیری احتمالی
• 49. نمونه‌گیری مونت کارلو
• 50. کاربرد نمونه‌گیری در تخمین عدم قطعیت
• 51. مدل‌های مارکوفین
• 52. شبکه‌های بیزین و ارتباط با ProbNumDiffEq.jl
• 53. مقدمه‌ای بر یادگیری ماشین آماری
• 54. یادگیری ماشین احتمالی
• 55. مدل‌های مولد
• 56. مدل‌های تفکیکی
• 57. یادگیری عمیق احتمالی
• 58. شبکه‌های عصبی احتمالی
• 59. مقدمه‌ای بر بهینه‌سازی غیرخطی
• 60. روش‌های تکراری در بهینه‌سازی
• 61. شرایط بهینگی
• 62. بهینه‌سازی مقید و نامقید
• 63. کاربرد ProbNumDiffEq.jl در مسائل پیچیده
• 64. حل معادلات دیفرانسیل تصادفی
• 65. مدل‌سازی سیستم‌های پویا با عدم قطعیت
• 66. تحلیل پایداری سیستم‌های احتمالی
• 67. شبیه‌سازی سیستم‌های احتمالی
• 68. کاربرد در رباتیک و کنترل
• 69. کاربرد در پردازش سیگنال
• 70. کاربرد در تحلیل داده‌های سری زمانی
• 71. مقدمه‌ای بر روش‌های عددی پیشرفته
• 72. تکنیک‌های درون‌یابی و برون‌یابی احتمالی
• 73. استفاده از توابع پایه در مدل‌سازی
• 74. مدل‌های گوسی پروسس
• 75. کاربرد گوسی پروسس در معادلات دیفرانسیل
• 76. تطبیق گوسی پروسس با ProbNumDiffEq.jl
• 77. بهینه‌سازی پارامترهای گوسی پروسس
• 78. تحلیل واریانس در گوسی پروسس
• 79. مدل‌سازی ناهمگنی در داده‌ها
• 80. روش‌های تراز احتمالی
• 81. کاربرد در سیستم‌های بزرگ مقیاس
• 82. طراحی الگوریتم‌های موازی
• 83. پیاده‌سازی ProbNumDiffEq.jl بر روی پردازنده‌های گرافیکی
• 84. بهینه‌سازی حافظه در محاسبات احتمالی
• 85. مقدمه‌ای بر استنتاج بیزین
• 86. قضیه بیز
• 87. کاربرد استنتاج بیزین در ProbNumDiffEq.jl
• 88. تکنیک‌های نمونه‌گیری MCMC
• 89. کاربرد MCMC در تخمین پارامترهای احتمالی
• 90. مقایسه روش‌های استنتاج بیزین
• 91. ارزیابی مدل‌های بیزین
• 92. تفسیر نتایج استنتاج بیزین
• 93. کاربرد در اکتشافات علمی
• 94. کاربرد در مدل‌سازی ریسک
• 95. کاربرد در پیش‌بینی‌های علمی
• 96. اصول مهندسی نرم‌افزار در پروژه‌های علمی
• 97. مدیریت کد و مستندسازی
• 98. تست و اعتبارسنجی نرم‌افزارهای علمی
• 99. مقدمه‌ای بر برنامه‌نویسی علمی با Julia
• 100. ویژگی‌های Julia برای محاسبات علمی