کتاب تحلیل اثر آزادسازی بازار برق بر قیمت با استفاده از یادگیری ماشین علّی: رویکردی نوین برای سیاست‌گذاری انرژی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل اثر آزادسازی بازار برق بر قیمت با استفاده از یادگیری ماشین علّی: رویکردی نوین برای سیاست‌گذاری انرژی

موضوع کلی: اقتصاد انرژی و بازارهای مالی

موضوع میانی: تحلیل علّی در بازارهای برق با استفاده از یادگیری ماشین

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر اقتصاد انرژی و بازارهای برق
• 2. مبانی آزادسازی بازارهای برق
• 3. انواع آزادسازی در بازارهای برق
• 4. اهداف آزادسازی بازارهای برق
• 5. چالش‌های آزادسازی بازارهای برق
• 6. مبانی بازارهای مالی
• 7. مبانی پیش‌بینی در بازارهای مالی
• 8. مبانی تحلیل سری‌های زمانی
• 9. مبانی رگرسیون خطی
• 10. مبانی رگرسیون لجستیک
• 11. مبانی یادگیری ماشین
• 12. یادگیری ماشین نظارت شده
• 13. یادگیری ماشین بدون نظارت
• 14. یادگیری ماشین تقویتی
• 15. مبانی استنتاج علّی
• 16. تعریف علیت (Causality)
• 17. تفاوت همبستگی (Correlation) و علیت (Causality)
• 18. مسائل و چالش‌های استنتاج علّی
• 19. روش‌های کلاسیک استنتاج علّی
• 20. آزمایش‌های تصادفی کنترل شده (RCT)
• 21. روش‌های شبه‌تجربی (Quasi-experimental methods)
• 22. روش تفاضل در تفاضل (Difference-in-Differences)
• 23. روش متغیرهای ابزاری (Instrumental Variables)
• 24. روش تطابق امتیاز تمایل (Propensity Score Matching)
• 25. محدودیت‌های روش‌های کلاسیک استنتاج علّی
• 26. نیاز به روش‌های نوین برای تحلیل علّی
• 27. معرفی یادگیری ماشین علّی (Causal Machine Learning)
• 28. مزایای یادگیری ماشین علّی
• 29. کاربرد یادگیری ماشین علّی در اقتصاد
• 30. کاربرد یادگیری ماشین علّی در سیاست‌گذاری انرژی
• 31. مروری بر مقاله "Causality analysis of electricity market liberalization on electricity price using novel Machine Learning methods"
• 32. هدف اصلی مقاله
• 33. مسئله پژوهشی مقاله
• 34. روش‌شناسی مقاله
• 35. داده‌های مورد استفاده در مقاله
• 36. متغیر وابسته در مقاله (قیمت برق)
• 37. متغیر مستقل/مداخله‌ای در مقاله (آزادسازی بازار برق)
• 38. متغیرهای کنترل در مقاله
• 39. مفاهیم آماری کلیدی در مقاله
• 40. مفاهیم یادگیری ماشین کلیدی در مقاله
• 41. مفاهیم استنتاج علّی کلیدی در مقاله
• 42. روش‌های یادگیری ماشین علّی مورد استفاده در مقاله
• 43. خانواده مدل‌های یادگیری ماشین علّی
• 44. یادگیری ماشین علّی برای تخمین اثرات میانگین درمان (Average Treatment Effect - ATE)
• 45. یادگیری ماشین علّی برای تخمین اثرات میانگین درمان روی گروه درمان شده (Average Treatment Effect on the Treated - ATT)
• 46. یادگیری ماشین علّی برای تخمین اثرات شرطی میانگین درمان (Conditional Average Treatment Effect - CATE)
• 47. مدل‌های مبتنی بر درخت (Tree-based causal ML)
• 48. مدل‌های مبتنی بر جنگل تصادفی (Random Forest for causal inference)
• 49. مدل‌های مبتنی بر گرادیان بوستینگ (Gradient Boosting for causal inference)
• 50. مدل‌های مبتنی بر شبکه‌های عصبی (Neural Networks for causal inference)
• 51. روش‌های تخمین توابع ارزش (Value Function Estimation)
• 52. تخمین تابع رگرسیون شرطی (Conditional Expectation Function Estimation)
• 53. تخمین احتمال شرطی (Conditional Probability Estimation)
• 54. روش دو مرحله‌ای (Two-stage least squares with ML)
• 55. مدل‌های مبتنی بر یادگیری عمیق برای استنتاج علّی
• 56. تحلیل علّی در بازارهای برق: زمینه‌ها و پیشینه
• 57. اثرات آزادسازی بر قیمت برق
• 58. مکانیزم‌های تاثیر آزادسازی بر قیمت برق
• 59. نقش عوامل مختلف در تعیین قیمت برق
• 60. مروری بر ادبیات پیشین در زمینه اثر آزادسازی بر قیمت برق
• 61. انتقاد از رویکردهای پیشین
• 62. نیاز به رویکردهای جدید
• 63. کاربرد یادگیری ماشین در تحلیل بازارهای برق
• 64. یادگیری ماشین در پیش‌بینی قیمت برق
• 65. یادگیری ماشین در تحلیل ریسک بازارهای برق
• 66. یادگیری ماشین در بهینه‌سازی تولید و مصرف برق
• 67. مروری بر یادگیری ماشین علّی در مقایسه با روش‌های سنتی
• 68. چگونه مقاله از یادگیری ماشین علّی برای پر کردن شکاف‌ها استفاده کرده است
• 69. پیاده‌سازی الگوریتم‌های یادگیری ماشین علّی
• 70. مراحل آماده‌سازی داده‌ها برای مدل‌های علّی
• 71. انتخاب ویژگی‌ها (Feature Selection) در مدل‌های علّی
• 72. مهندسی ویژگی (Feature Engineering) برای مدل‌های علّی
• 73. ارزیابی مدل‌های یادگیری ماشین علّی
• 74. معیارهای ارزیابی برای تخمین اثرات علّی
• 75. تست‌های اعتبار سنجی (Validation Tests) برای مدل‌های علّی
• 76. حساسیت سنجی (Sensitivity Analysis) به مفروضات مدل
• 77. تفسیری پذیری (Interpretability) مدل‌های علّی
• 78. تجزیه و تحلیل نتایج مقاله
• 79. تفسیر اثر آزادسازی بازار برق بر قیمت برق
• 80. بررسی نقش متغیرهای مختلف در این رابطه
• 81. مقایسه نتایج با یافته‌های تحقیقات پیشین
• 82. پیامدهای عملی یافته‌های مقاله
• 83. کاربرد نتایج برای سیاست‌گذاران
• 84. پیشنهادات سیاستی بر اساس یافته‌های مقاله
• 85. محدودیت‌های مطالعه مقاله
• 86. پیشنهادات برای تحقیقات آینده
• 87. چالش‌های پیاده‌سازی مدل‌های یادگیری ماشین علّی در دنیای واقعی
• 88. نیاز به داده‌های با کیفیت و دسترسی به آن‌ها
• 89. تخصص مورد نیاز برای پیاده‌سازی و تفسیر
• 90. اهمیت همکاری بین متخصصان انرژی، اقتصاد و علم داده
• 91. آینده یادگیری ماشین علّی در اقتصاد انرژی
• 92. پتانسیل یادگیری ماشین علّی برای درک بهتر دینامیک بازارهای انرژی
• 93. کاربردهای بالقوه دیگر یادگیری ماشین علّی در سیاست‌گذاری انرژی
• 94. جمع‌بندی و نتیجه‌گیری دوره
• 95. مرور سرفصل‌های کلیدی دوره
• 96. ارتباط بین مفاهیم نظری و عملی
• 97. آمادگی برای انجام تحقیقات مستقل در این حوزه
• 98. فرصت‌های شغلی مرتبط با این حوزه
• 99. منابع تکمیلی و مطالعات بیشتر
• 100. مباحث پیشرفته در استنتاج علّی با یادگیری ماشین