کتاب یادگیری بیزی عمیق: تخمین عدم قطعیت در پیش‌بینی‌ها با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری بیزی عمیق: تخمین عدم قطعیت در پیش‌بینی‌ها

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

موضوع میانی: یادگیری عمیق بیزی (Bayesian Deep Learning)

📋 سرفصل‌های دوره

  • 1. یادگیری بیزی عمیق: مقدمه‌ای بر مفاهیم اساسی
  • 2. احتمالات پیشین و پسین در یادگیری بیزی
  • 3. توزیع‌های احتمالاتی و کاربرد آن‌ها در مدل‌سازی
  • 4. انتخاب مدل و معیار اطلاعات بیزی
  • 5. تخمین پارامتر با استفاده از روش‌های بیزی
  • 6. شبکه‌های بیزی: ساختار و کاربردها
  • 7. استنتاج در شبکه‌های بیزی: روش‌های دقیق
  • 8. استنتاج تقریبی در شبکه‌های بیزی: روش‌های نمونه‌برداری
  • 9. روش زنجیره مارکوف مونت‌کارلو (MCMC)
  • 10. الگوریتم متروپلیس-هستینگز
  • 11. الگوریتم گیبس
  • 12. تخمین عدم قطعیت در پیش‌بینی‌ها: فواصل اطمینان
  • 13. تخمین عدم قطعیت در پیش‌بینی‌ها: توزیع پیش‌بینی
  • 14. مدل‌های بیزی برای رگرسیون
  • 15. مدل‌های بیزی برای طبقه‌بندی
  • 16. مدل‌های بیزی خطی تعمیم‌یافته
  • 17. مدل‌های بیزی سلسله مراتبی
  • 18. مدل‌های بیزی غیرپارامتری
  • 19. فرآیندهای گاوسی
  • 20. مدل‌های جمعی بیزی
  • 21. یادگیری عمیق بیزی: مقدمه‌ای
  • 22. شبکه‌های عصبی بیزی
  • 23. تخمین عدم قطعیت در شبکه‌های عصبی
  • 24. تنظیم‌سازی بیزی در شبکه‌های عصبی
  • 25. Dropout به عنوان تقریب بیزی
  • 26. Variational Autoencoders (VAEs)
  • 27. Generative Adversarial Networks (GANs) با رویکرد بیزی
  • 28. یادگیری انتقالی بیزی
  • 29. یادگیری فعال بیزی
  • 30. مدل‌سازی Bayesian Optimization
  • 31. کاربرد یادگیری بیزی عمیق در پردازش تصویر
  • 32. کاربرد یادگیری بیزی عمیق در پردازش زبان طبیعی
  • 33. کاربرد یادگیری بیزی عمیق در تشخیص ناهنجاری
  • 34. کاربرد یادگیری بیزی عمیق در سری‌های زمانی
  • 35. مدل‌سازی عدم قطعیت در داده‌های گمشده
  • 36. مدل‌سازی عدم قطعیت در داده‌های پرت
  • 37. یادگیری بیزی عمیق و تصمیم‌گیری تحت عدم قطعیت
  • 38. انتخاب متغیر در مدل‌های بیزی عمیق
  • 39. روش‌های ارزیابی مدل‌های بیزی عمیق
  • 40. مقایسه یادگیری بیزی عمیق با روش‌های فراوانی‌گرا
  • 41. چالش‌ها و آینده یادگیری بیزی عمیق
  • 42. پیاده‌سازی عملی یادگیری بیزی عمیق با پایتون
  • 43. استفاده از کتابخانه‌های PyMC3 و Stan
  • 44. بررسی موردی: کاربرد یادگیری بیزی عمیق در پزشکی
  • 45. بررسی موردی: کاربرد یادگیری بیزی عمیق در امور مالی

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.