دوره کشف شبکه‌های وابستگی پیچیده با شبکه‌های بیزی؛ از یادگیری ساختار تا استنتاج و تصمیم‌سازی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کشف شبکه‌های وابستگی پیچیده با شبکه‌های بیزی؛ از یادگیری ساختار تا استنتاج و تصمیم‌سازی

موضوع کلی: مدل‌سازی احتمالاتی و کشف الگوهای وابستگی در داده‌های پیچیده

موضوع میانی: شبکه‌های بیزی و استنتاج گرافیکی

📋 سرفصل‌های دوره

• 1. احتمال شرطی، توزیع مشترک و استقلال آماری
• 2. نمودارهای بدون چرخه جهت‌دار و مفاهیم پایه گراف
• 3. مسیرها، مارکوف بلاکت و باز یا بسته بودن مسیرها
• 4. استقلال شرطی و معیار d-separation
• 5. تجزیه توزیع مشترک با شبکه‌های بیزی
• 6. کشف استقلال‌های پنهان میان متغیرها
• 7. نمایش عوامل و اثر حذف متغیرها
• 8. مقایسه شبکه بیزی با مدل‌های آماری رایج
• 9. شناسایی مسئله‌های مناسب برای شبکه‌های بیزی
• 10. طراحی گره‌ها، یال‌ها و جهت‌های شبکه
• 11. محدودیت درجه والد و پیچیدگی محاسباتی
• 12. آماده‌سازی داده‌های آموزشی برای یادگیری شبکه
• 13. نمونه‌گیری، سوگیری داده و کیفیت داده
• 14. برآورد پارامترها با حداکثر احتمال
• 15. برآورد بیزی پارامترها و انتخاب پیش‌ین
• 16. توزیع دیریکله و اصلاح لاپلاس
• 17. مدل‌های گاوسی برای داده‌های پیوسته
• 18. شبکه‌های هیبریدی گسسته و پیوسته
• 19. مدیریت داده‌های گمشده
• 20. الگوریتم EM برای برآورد پارامترها
• 21. پیش‌بینی با در نظر گرفتن عدم‌قطعیت پارامترها
• 22. استنتاج دقیق با حذف متغیرها
• 23. ساخت درخت تأیید و استنتاج گروهی
• 24. انتشار باور و الگوریتم‌های تقریبی
• 25. استنتاج با نمونه‌گیری و زنجیره‌های مارکوف
• 26. به‌روزرسانی باور با مشاهده شواهد
• 27. سناریوسازی و تحلیل حساسیت احتمالاتی
• 28. یادگیری ساختار با معیارهای امتیازی
• 29. معیار اطلاعات بیزین BIC
• 30. امتیاز BDeu و برآورد بیزی ساختار
• 31. اصل کمینه‌سازی طول توصیف MDL
• 32. تجزیه‌پذیری و معادل‌بودن امتیازها
• 33. جست‌وجوی محلی در فضا‌های ساختاری
• 34. عملگرهای افزودن، حذف و وارونه‌سازی یال
• 35. جست‌وجوی شعاعی و الگوریتم‌های کرنقی
• 36. یادگیری ساختار با آزمون‌های استقلال شرطی
• 37. الگوریتم PC برای کشف گراف‌های جهت‌دار
• 38. الگوریتم FCI و متغیرهای پنهان
• 39. کشف علل مشترک و سوگیری انتخاب
• 40. روش‌های ترکیبی برای یادگیری ساختار
• 41. طبقه‌بندی کلاس‌های معادل مارکوف
• 42. قواعد جهت‌دهی و شناسایی‌پذیری علی
• 43. تفاوت پیش‌بینی احتمالاتی و استنتاج علی
• 44. فرضیه‌های لازم برای تفسیر علی شبکه بیزی
• 45. تشخیص و کنترل سوگیری هم‌پوشانی
• 46. مدیریت واسطه‌گری و اثرات غیرمستقیم
• 47. نقش هم‌گراگرها و خطاهای شرط‌بندی
• 48. مداخله، عملیات do و جبر علی
• 49. تنظیم backdoor و frontdoor
• 50. استنباط ضدواقعی با مدل‌های علی ساختاری
• 51. مدل‌های پویای بیزی برای داده‌های زمانی
• 52. شبکه‌های بیزی سلسله‌مراتبی
• 53. یادگیری ساختارهای پراکنده در ابعاد بالا
• 54. نظم‌دهی و انتخاب ساختار با پیش‌ین‌های مناسب
• 55. الگوریتم‌های مقیاس‌پذیر برای داده‌های بزرگ
• 56. انتخاب مدل و اعتبارسنجی آماری
• 57. بررسی پیش‌بینی پس‌زمینه‌ای
• 58. تحلیل پایداری و حساسیت مدل
• 59. شبکه‌های تصمیم و شبکه‌های ارزش
• 60. پیاده‌سازی پایپ‌لاین کامل یادگیری و استنتاج
• 61. مطالعه موردی کشف وابستگی‌های پیچیده
• 62. ارزیابی عملیاتی، تفسیرپذیری و ریسک‌های مدل علی