کتاب اصول و عملکردهای MCMC در یادگیری عمیق بیزی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اصول و عملکردهای MCMC در یادگیری عمیق بیزی

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

موضوع میانی: یادگیری عمیق بیزی (Bayesian Deep Learning)

📋 سرفصل‌های دوره

• 1. مقدمه ای بر آمار بیزی و یادگیری عمیق
• 2. مروری بر روش‌های نمونه‌گیری مونت‌کارلو مارکوف (MCMC)
• 3. مفاهیم کلیدی MCMC: زنجیره‌های مارکوف، توزیع هدف، فضای حالت
• 4. الگوریتم Metropolis-Hastings: اصول، پیاده‌سازی و کاربردها
• 5. الگوریتم Gibbs Sampling: اصول، پیاده‌سازی و کاربردها
• 6. تشخیص همگرایی در MCMC: معیارهای Gelman-Rubin و R-hat
• 7. انتخاب پارامترهای تنظیم (tuning parameters) در MCMC
• 8. پیاده‌سازی MCMC در پایتون: استفاده از کتابخانه‌های PyMC3 و Stan
• 9. توزیع‌های پیشین (Prior Distributions) در یادگیری عمیق بیزی
• 10. توزیع‌های پسین (Posterior Distributions) در یادگیری عمیق بیزی
• 11. یادگیری بیزی شبکه های عصبی: رویکرد کلی
• 12. شبکه‌های عصبی بیزی با استفاده از MCMC برای رگرسیون
• 13. شبکه‌های عصبی بیزی با استفاده از MCMC برای طبقه‌بندی
• 14. برآورد عدم قطعیت در پیش‌بینی‌ها با استفاده از MCMC
• 15. روش‌های تقریب واریانسی (Variational Inference) به عنوان جایگزینی برای MCMC
• 16. مقایسه MCMC و روش‌های تقریب واریانسی
• 17. MCMC برای مدل‌های پیچیده یادگیری عمیق: چالش‌ها و راهکارها
• 18. نمونه‌گیری بازگشتی (Sequential Monte Carlo) در یادگیری عمیق بیزی
• 19. بهینه‌سازی Hamiltonian Monte Carlo (HMC)
• 20. No-U-Turn Sampler (NUTS): بهبود HMC
• 21. کاربرد MCMC در مدل‌های تولیدی (Generative Models)
• 22. MCMC برای یادگیری نمایش (Representation Learning)
• 23. MCMC در یادگیری تقویتی بیزی (Bayesian Reinforcement Learning)
• 24. MCMC برای مدل‌های گرافیکی بیزی (Bayesian Graphical Models) در یادگیری عمیق
• 25. استفاده از MCMC برای انتخاب مدل (Model Selection) در یادگیری عمیق
• 26. MCMC برای تنظیم هایپرپارامترها (Hyperparameter Optimization)
• 27. MCMC برای داده‌های از دست رفته (Missing Data)
• 28. MCMC در یادگیری نیمه نظارتی (Semi-Supervised Learning)
• 29. MCMC در یادگیری انتقالی (Transfer Learning)
• 30. مقیاس‌پذیری MCMC برای مجموعه داده‌های بزرگ
• 31. روش‌های موازی‌سازی MCMC
• 32. MCMC و مسائل مربوط به بیش‌برازش (Overfitting)
• 33. MCMC و تنظیم‌سازی (Regularization) در یادگیری عمیق بیزی
• 34. بررسی موردی: کاربرد MCMC در پردازش زبان طبیعی
• 35. بررسی موردی: کاربرد MCMC در بینایی ماشین
• 36. بررسی موردی: کاربرد MCMC در تشخیص تقلب
• 37. تفسیر نتایج MCMC و ارائه گزارش