دوره یادگیری متغیر در یادگیری عمیق بیزی: مدل‌سازی عدم قطعیت در شبکه‌های عصبی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری متغیر در یادگیری عمیق بیزی: مدل‌سازی عدم قطعیت در شبکه‌های عصبی

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

موضوع میانی: یادگیری متغیر (Variational Inference)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری عمیق بیزی
• 2. مفاهیم پایه احتمال و آمار
• 3. توزیع‌های احتمالاتی رایج در یادگیری ماشین
• 4. استنباط بیزی: اصول و مبانی
• 5. قضیه بیز و کاربردهای آن در یادگیری
• 6. شبکه‌های بیزی: ساختار و کاربردها
• 7. مدل‌های گرافیکی احتمالاتی
• 8. یادگیری متغیر در شبکه‌های بیزی
• 9. روش‌های استنباط دقیق در شبکه‌های بیزی
• 10. تقریب استنباط بیزی: روش‌های نمونه‌برداری مونت کارلو
• 11. روش‌های زنجیره مارکوف مونت کارلو (MCMC)
• 12. الگوریتم متروپلیس-هستینگز
• 13. الگوریتم گیبس
• 14. توزیع‌های پسین غیر نرمال
• 15. مدل‌سازی عدم قطعیت در داده‌ها
• 16. مدل‌سازی خطای اندازه‌گیری با استفاده از توزیع‌های بیزی
• 17. مدل‌سازی عدم قطعیت در پارامترها
• 18. شبکه‌های عصبی بیزی: مفاهیم پایه
• 19. لایه های بیزی در شبکه‌های عصبی
• 20. توزیع‌های پیشین در شبکه‌های عصبی
• 21. یادگیری وزن‌ها و بایاس‌ها با استفاده از استنباط بیزی
• 22. مدل‌های Bayesian Neural Networks (BNN)
• 23. روش‌های تقریب واریانسی در BNN
• 24. DropOut به عنوان یک تقریب بیزی
• 25. Monte Carlo Dropout
• 26. شبکه‌های عصبی بیزی بازگشتی (RNN)
• 27. مدل‌سازی سری‌های زمانی با استفاده از BNN-RNN
• 28. شبکه‌های عصبی بیزی کانولوشنال (CNN)
• 29. کاربرد BNN-CNN در پردازش تصویر
• 30. مدل‌سازی عدم قطعیت در داده‌های تصویر
• 31. یادگیری انتقال Bayesian
• 32. یادگیری انتقال بیزی در شبکه‌های عصبی
• 33. شبکه‌های بیزی عمیق
• 34. مدل‌سازی سلسله مراتبی با استفاده از شبکه‌های بیزی عمیق
• 35. شبکه‌های عصبی بیزی گراف
• 36. استفاده از گراف‌ها برای مدل‌سازی روابط بین متغیرها
• 37. کاربرد شبکه‌های عصبی بیزی گراف در یادگیری نمایش
• 38. انتخاب مدل در یادگیری بیزی
• 39. اعتبارسنجی متقابل بیزی
• 40. روش‌های انتخاب ویژگی در یادگیری بیزی
• 41. بهینه‌سازی هایپرپارامترها در مدل‌های بیزی
• 42. تفسیرپذیری مدل‌های بیزی
• 43. تجسم توزیع‌های پسین
• 44. تحلیل حساسیت در مدل‌های بیزی
• 45. بررسی تأثیر داده‌های پرت
• 46. کاربردهای یادگیری عمیق بیزی در پزشکی
• 47. تشخیص بیماری با استفاده از BNN
• 48. پیش‌بینی پاسخ به درمان با استفاده از مدل‌های بیزی
• 49. کاربردهای یادگیری عمیق بیزی در مالی
• 50. مدل‌سازی ریسک با استفاده از BNN
• 51. پیش‌بینی بازار سهام با استفاده از مدل‌های بیزی
• 52. کاربردهای یادگیری عمیق بیزی در رباتیک
• 53. ناوبری ربات با استفاده از BNN
• 54. تشخیص اشیاء با استفاده از BNN-CNN
• 55. یادگیری تقویتی بیزی
• 56. مدل‌سازی عدم قطعیت در محیط یادگیری تقویتی
• 57. یادگیری سیاست‌های بهینه با استفاده از استنباط بیزی
• 58. چالش‌ها و آینده یادگیری عمیق بیزی
• 59. مقایسه با روش‌های یادگیری عمیق کلاسیک
• 60. تحقیقات جاری در یادگیری عمیق بیزی
• 61. ابزارهای نرم‌افزاری برای یادگیری عمیق بیزی (PyTorch, TensorFlow Probability)
• 62. مجموعه داده‌های مناسب برای یادگیری عمیق بیزی
• 63. تکنیک‌های افزایش داده در یادگیری بیزی
• 64. مدیریت محاسبات در مدل‌های بیزی پیچیده
• 65. یادگیری فعال بیزی
• 66. انتخاب نمونه‌های آموزشی بهینه با استفاده از استنباط بیزی
• 67. یادگیری نیمه‌نظارتی با استفاده از مدل‌های بیزی
• 68. ترکیب مدل‌های بیزی
• 69. Ensemble of Bayesian Neural Networks
• 70. روش‌های موازی‌سازی در یادگیری عمیق بیزی
• 71. یادگیری بیزی آنلاین
• 72. به‌روزرسانی مدل با دریافت داده‌های جدید
• 73. کاربردهای یادگیری بیزی در پردازش زبان طبیعی
• 74. تحلیل احساسات با استفاده از BNN
• 75. مدل‌سازی زبان با استفاده از شبکه‌های عصبی بیزی
• 76. یادگیری بیزی چندوظیفه‌ای
• 77. به اشتراک‌گذاری دانش بین وظایف مختلف با استفاده از مدل‌های بیزی