دوره مدل‌های گرافیکی بیزی برای مدل‌سازی علّی پویا و پیچیده در سیستم‌های زیستی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌های گرافیکی بیزی برای مدل‌سازی علّی پویا و پیچیده در سیستم‌های زیستی

موضوع کلی: روش‌های نمونه‌گیری مونت‌کارلو مارکوف (MCMC) در آمار بیزی

موضوع میانی: مدل‌های گرافیکی بیزی (Bayesian Graphical Models)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌های گرافیکی بیزی
• 2. مبانی احتمال و آمار در مدل‌سازی
• 3. مفهوم شبکه‌های بیزی
• 4. ساختار شبکه‌های بیزی: گراف‌های جهت‌دار غیرمدور (DAG)
• 5. پارامترسازی شبکه‌های بیزی: توزیع‌های احتمال شرطی
• 6. استنتاج در شبکه‌های بیزی: روش‌های دقیق
• 7. استنتاج در شبکه‌های بیزی: روش‌های تقریبی
• 8. یادگیری ساختار شبکه‌های بیزی
• 9. یادگیری پارامترهای شبکه‌های بیزی
• 10. شبکه‌های بیزی پویا (DBN)
• 11. مدل‌سازی سری‌های زمانی با DBN
• 12. یادگیری DBN از داده‌های سری زمانی
• 13. شبکه‌های بیزی علّی
• 14. مفهوم علیت در مدل‌سازی
• 15. تمایز بین همبستگی و علیت
• 16. استنتاج علّی با شبکه‌های بیزی
• 17. یادگیری ساختار علّی
• 18. تداخل و مداخله در مدل‌های علّی
• 19. مدل‌سازی سیستم‌های زیستی پیچیده
• 20. کاربرد شبکه‌های بیزی در زیست‌شناسی سیستم‌ها
• 21. مدل‌سازی مسیرهای سیگنالینگ سلولی
• 22. مدل‌سازی شبکه‌های ژنی
• 23. مدل‌سازی تنظیم بیان ژن
• 24. مدل‌سازی شبکه‌های متابولیکی
• 25. مدل‌سازی تعاملات پروتئین-پروتئین
• 26. مدل‌سازی شبکه‌های عصبی
• 27. مدل‌سازی بیماری‌های پیچیده
• 28. کاربرد DBN در مطالعه دینامیک سیستم‌های زیستی
• 29. مدل‌سازی رشد و تکامل سلولی
• 30. مدل‌سازی پاسخ سلولی به محرک‌ها
• 31. مدل‌سازی دینامیک جمعیت‌های سلولی
• 32. مدل‌سازی شبکه‌های تنظیم‌کننده پیچیده
• 33. مدل‌سازی شبکه‌های عصبی دینامیک
• 34. مدل‌سازی شبکه‌های ایمنی
• 35. مدل‌سازی دینامیک مولکولی
• 36. مدل‌سازی پیش‌بینی بیماری
• 37. مدل‌سازی تشخیص بیماری
• 38. مدل‌سازی یافتن اهداف دارویی
• 39. مدل‌سازی طراحی دارو
• 40. مدل‌سازی اثرات دارویی
• 41. مدل‌سازی سیستم‌های بیولوژیکی با عدم قطعیت
• 42. روش‌های ارزیابی و اعتبارسنجی مدل‌ها
• 43. شاخص‌های ارزیابی عملکرد مدل‌های بیزی
• 44. روش‌های اعتبارسنجی متقابل
• 45. شبیه‌سازی و تحلیل حساسیت مدل‌ها
• 46. کاربرد نرم‌افزارهای تخصصی برای مدل‌سازی بیزی
• 47. نرم‌افزارهای مدل‌سازی شبکه‌های بیزی
• 48. نرم‌افزارهای مدل‌سازی DBN
• 49. نرم‌افزارهای مدل‌سازی علّی
• 50. نرم‌افزارهای تحلیل داده‌های زیستی
• 51. ملاحظات اخلاقی در مدل‌سازی سیستم‌های زیستی
• 52. حفظ حریم خصوصی داده‌ها
• 53. قابلیت تفسیرپذیری مدل‌ها
• 54. مسئولیت‌پذیری در نتایج مدل‌سازی
• 55. آینده مدل‌سازی گرافیکی بیزی در زیست‌شناسی
• 56. پیشرفت‌های اخیر در الگوریتم‌های استنتاج
• 57. یادگیری ساختار در مقیاس بزرگ
• 58. ادغام با سایر روش‌های مدل‌سازی
• 59. کاربرد در پزشکی شخصی‌سازی شده
• 60. کاربرد در زیست‌شناسی محاسباتی
• 61. کاربرد در کشف زیستی
• 62. کاربرد در زیست‌شناسی مصنوعی
• 63. کاربرد در زیست‌شناسی سیستم‌های ایمنی
• 64. کاربرد در زیست‌شناسی سیستم‌های عصبی
• 65. کاربرد در زیست‌شناسی سیستم‌های متابولیکی
• 66. کاربرد در زیست‌شناسی سیستم‌های مولکولی
• 67. کاربرد در زیست‌شناسی سیستم‌های سلولی
• 68. کاربرد در زیست‌شناسی سیستم‌های دارویی
• 69. کاربرد در زیست‌شناسی سیستم‌های بیماری
• 70. کاربرد در زیست‌شناسی سیستم‌های محیطی
• 71. کاربرد در زیست‌شناسی سیستم‌های تکاملی
• 72. کاربرد در زیست‌شناسی سیستم‌های میکروبی
• 73. کاربرد در زیست‌شناسی سیستم‌های گیاهی
• 74. کاربرد در زیست‌شناسی سیستم‌های جانوری
• 75. کاربرد در زیست‌شناسی سیستم‌های انسانی
• 76. یادگیری عمیق و شبکه‌های بیزی
• 77. ترکیب یادگیری عمیق و شبکه‌های بیزی
• 78. مدل‌های گرافیکی بیزی برای داده‌های حجیم
• 79. مدل‌های گرافیکی بیزی برای داده‌های چندوجهی
• 80. مدل‌های گرافیکی بیزی برای داده‌های ساختاریافته
• 81. مدل‌های گرافیکی بیزی برای داده‌های بدون ساختار
• 82. مدل‌های گرافیکی بیزی برای داده‌های ترکیبی
• 83. استنتاج بیزی در سیستم‌های پیچیده
• 84. یادگیری بیزی در سیستم‌های پیچیده
• 85. بهینه‌سازی بیزی در سیستم‌های پیچیده
• 86. مدل‌سازی علّی در سیستم‌های پیچیده
• 87. مدل‌سازی دینامیک در سیستم‌های پیچیده
• 88. مدل‌سازی پیش‌بینی در سیستم‌های پیچیده
• 89. مدل‌سازی تشخیص در سیستم‌های پیچیده
• 90. مدل‌سازی کشف در سیستم‌های پیچیده
• 91. مدل‌سازی طراحی در سیستم‌های پیچیده
• 92. مدل‌سازی بهینه‌سازی در سیستم‌های پیچیده
• 93. مدل‌سازی کنترل در سیستم‌های پیچیده