دوره آمار بیزی و یادگیری عمیق: پلی به سوی عدم قطعیت همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آمار بیزی و یادگیری عمیق: پلی به سوی عدم قطعیت

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

موضوع میانی: یادگیری عمیق بیزی (Bayesian Deep Learning)

📋 سرفصل‌های دوره

• 1. آمار بیزی: مبانی و مفاهیم اساسی
• 2. احتمالات پیشین و پسین
• 3. قضیه بیز: فرمول و کاربردها
• 4. توزیع‌های پیشین مزدوج
• 5. تخمین نقطه‌ای در آمار بیزی
• 6. فاصله‌های اطمینان بیزی
• 7. آزمون فرض در چارچوب بیزی
• 8. مدل‌های خطی بیزی
• 9. رگرسیون بیزی
• 10. انتخاب مدل در آمار بیزی
• 11. معیارهای اطلاعات بیزی
• 12. آمار بیزی سلسله مراتبی
• 13. آزمایش‌های بالینی بیزی
• 14. تحلیل بقا با استفاده از روش‌های بیزی
• 15. روش‌های مونت‌کارلو مارکوف زنجیره‌ای (MCMC)
• 16. الگوریتم Metropolis-Hastings
• 17. الگوریتم Gibbs Sampling
• 18. همگرایی MCMC
• 19. تشخیص و رفع مشکلات MCMC
• 20. مقدمه‌ای بر یادگیری عمیق
• 21. شبکه‌های عصبی مصنوعی: اصول اولیه
• 22. شبکه‌های عصبی کانولوشنال (CNN)
• 23. شبکه‌های عصبی بازگشتی (RNN)
• 24. یادگیری انتقالی در یادگیری عمیق
• 25. بهینه‌سازی گرادیان کاهشی
• 26. تنظیم‌سازی در یادگیری عمیق
• 27. شبکه‌های مولد تخاصمی (GAN)
• 28. خودرمزگذارها
• 29. یادگیری تقویتی
• 30. ترکیب آمار بیزی و یادگیری عمیق
• 31. مدل‌های بیزی برای شبکه‌های عصبی
• 32. عدم قطعیت در یادگیری عمیق
• 33. تقریب بیزی برای شبکه‌های عصبی
• 34. شبکه‌های عصبی بیزی
• 35. کاربرد آمار بیزی در تفسیر نتایج یادگیری عمیق
• 36. استفاده از آمار بیزی برای انتخاب معماری شبکه عصبی
• 37. مدل‌سازی عدم قطعیت در داده‌های تصویر
• 38. مدل‌سازی عدم قطعیت در داده‌های متنی
• 39. تحلیل حساسیت در مدل‌های بیزی و یادگیری عمیق
• 40. پیش‌بینی بازه‌ای با استفاده از آمار بیزی و یادگیری عمیق
• 41. برنامه‌ریزی بیزی برای یادگیری عمیق
• 42. استفاده از توزیع‌های غیرمعلوم در یادگیری عمیق
• 43. روش‌های تقریبی بیزی در یادگیری عمیق
• 44. بررسی موردی: تشخیص تصویر با مدل‌های بیزی و یادگیری عمیق
• 45. بررسی موردی: پردازش زبان طبیعی با مدل‌های بیزی و یادگیری عمیق