دوره Variational Inference: گامی فراتر از نمونه‌گیری زنجیره مارکوف همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Variational Inference: گامی فراتر از نمونه‌گیری زنجیره مارکوف

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

موضوع میانی: Variational Inference

📋 سرفصل‌های دوره

• 1. مقدمه ای بر استنتاج تنوعی
• 2. مبانی احتمالات و آمار
• 3. فضاهای احتمالی و متغیرهای تصادفی
• 4. توزیع های احتمالی گسسته و پیوسته
• 5. مفاهیم امید ریاضی و واریانس
• 6. قضیه بیز و استنتاج بیزی
• 7. مدل های گرافیکی احتمالی
• 8. شبکه های بیزی
• 9. حوزه های کاربردی شبکه های بیزی
• 10. استنتاج در شبکه های بیزی
• 11. روش های دقیق استنتاج (مانند انتشار باور)
• 12. روش های تقریبی استنتاج
• 13. مقدمه ای بر روش های مونت کارلو زنجیره مارکوف (MCMC)
• 14. نمونه گیری گیبس (Gibbs Sampling)
• 15. نمونه گیری ر-هپ (Rejection Sampling)
• 16. نمونه گیری متروپولیس-هستینگز (Metropolis-Hastings)
• 17. محدودیت های MCMC
• 18. نیاز به روش های جایگزین
• 19. مقدمه ای بر استنتاج تنوعی
• 20. تفاوت استنتاج تنوعی و MCMC
• 21. مبانی بهینه سازی در استنتاج تنوعی
• 22. فضا های پارامتری و توزیع های پسین
• 23. انتخاب توزیع تقریبی
• 24. معیارهای واگرایی (Divergence Measures)
• 25. واگرایی کولبک-لایبلر (KL Divergence)
• 26. پیاده سازی KL Divergence
• 27. بهینه سازی KL Divergence
• 28. روش های مبتنی بر گرادیان
• 29. گرادیان تنوعی (Variational Gradient)
• 30. روش های خودکار تمایز (Automatic Differentiation)
• 31. روش های مبتنی بر نمونه گیری (Score Function Estimators)
• 32. روش های مبتنی بر نمونه گیری (Pathwise Derivative Estimators)
• 33. روش های مبتنی بر نمونه گیری (Reparameterization Trick)
• 34. روش های مبتنی بر گشتاور (Moment Matching)
• 35. مدل های تنوعی متداول
• 36. توزیع نرمال چند متغیره به عنوان توزیع تقریبی
• 37. توزیع گاما به عنوان توزیع تقریبی
• 38. مدل های تنوعی برای مدل های گرافیکی
• 39. استنتاج تنوعی در شبکه های بیزی
• 40. استنتاج تنوعی در مدل های پنهان مارکوف
• 41. استنتاج تنوعی در مدل های موضوعی (Topic Models)
• 42. مدل های تنوعی برای مدل های مولد (Generative Models)
• 43. استنتاج تنوعی در شبکه های عصبی مولد (VAEs)
• 44. مقدمه ای بر شبکه های عصبی متغیر (VAEs)
• 45. معماری انکودر در VAEs
• 46. معماری دکودر در VAEs
• 47. تابع زیان در VAEs
• 48. پیاده سازی VAEs
• 49. کاربرد VAEs در تولید تصویر
• 50. کاربرد VAEs در تولید متن
• 51. کاربرد VAEs در کاهش ابعاد
• 52. روش های پیشرفته در استنتاج تنوعی
• 53. استنتاج تنوعی بایسی (Bayesian Variational Inference)
• 54. استنتاج تنوعی پیشرفته در مدل های پیچیده
• 55. استنتاج تنوعی برای داده های ساختاریافته
• 56. استنتاج تنوعی در یادگیری عمیق
• 57. روش های تنوعی پیشرفته برای مدل های گرافی عصبی
• 58. استنتاج تنوعی در شبکه های عصبی کانولوشنال
• 59. استنتاج تنوعی در شبکه های عصبی بازگشتی
• 60. روش های تنوعی با استفاده از بهینه سازی تصادفی
• 61. استنتاج تنوعی با استفاده از بهینه سازی تطبیقی
• 62. استنتاج تنوعی با نمونه گیری های پیشرفته
• 63. روش های تنوعی برای مسائل سری زمانی
• 64. استنتاج تنوعی در سیستم های توصیه گر
• 65. استنتاج تنوعی در پردازش زبان طبیعی
• 66. استنتاج تنوعی در بینایی ماشین
• 67. روش های ارزیابی استنتاج تنوعی
• 68. مقایسه با روش های MCMC
• 69. مزایای استنتاج تنوعی
• 70. چالش های استنتاج تنوعی
• 71. کاربرد استنتاج تنوعی در پژوهش های علمی
• 72. مطالعات موردی در استنتاج تنوعی
• 73. آینده استنتاج تنوعی
• 74. ملاحظات محاسباتی در استنتاج تنوعی
• 75. پیاده سازی استنتاج تنوعی با کتابخانه های پایتون
• 76. TensorFlow Probability
• 77. PyTorch Variational Inference
• 78. Pyro
• 79. Edward2
• 80. نمونه های عملی از پیاده سازی
• 81. استنتاج تنوعی برای مدل های آماری پیچیده
• 82. استنتاج تنوعی برای مدل های اقتصاد سنجی
• 83. استنتاج تنوعی در علوم زیستی
• 84. استنتاج تنوعی در علوم اجتماعی
• 85. استنتاج تنوعی در مهندسی
• 86. استنتاج تنوعی در یادگیری تقویتی
• 87. موضوعات پیشرفته در استنتاج تنوعی
• 88. استنتاج تنوعی با قیدهای غیرخطی
• 89. استنتاج تنوعی در فضاهای با ابعاد بالا
• 90. استنتاج تنوعی برای استنتاج علّی
• 91. استنتاج تنوعی در یادگیری انتقالی
• 92. استنتاج تنوعی در یادگیری فدرال
• 93. استنتاج تنوعی در مدل های گسسته
• 94. استنتاج تنوعی در مدل های پیوسته
• 95. استنتاج تنوعی در مدل های ترکیبی