فلش‌کارت‌های آموزشی کتاب جامع پیش‌بینی کانفورمال: ضمانت دقت در برآورد اثرات درمانی برای تصمیم‌گیری‌های حساس

دوره جامع پیش‌بینی کانفورمال: ضمانت دقت در برآورد اثرات درمانی برای تصمیم‌گیری‌های حساس دوره جامع پیش‌بینی کانفورمال: ضمانت دقت در برآورد اثرات درمانی برای تصمیم‌گیری‌های حساس در دنیای امروز، تصمیم‌گی...

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 99,988 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 جامع پیش‌بینی کانفورمال: ضمانت دقت در برآورد اثرات درمانی برای تصمیم‌گیری‌های حساس

موضوع کلی: تحلیل‌های علّی و یادگیری ماشین برای تصمیم‌گیری هوشمندانه

موضوع میانی: پیش‌بینی کانفورمال: چارچوبی قدرتمند برای کمی‌سازی عدم قطعیت در برآورد اثرات درمان

📋 سرفصل‌های دوره

  • 1. بخش ۱: مبانی و مقدمات - چرا عدم قطعیت و علیت اهمیت دارند؟
  • 2. مقدمه‌ای بر تصمیم‌گیری هوشمندانه مبتنی بر داده
  • 3. محدودیت‌های یادگیری ماشین سنتی در پیش‌بینی‌های نقطه‌ای
  • 4. اهمیت کمی‌سازی عدم قطعیت در تصمیم‌گیری‌های حساس
  • 5. تفاوت همبستگی و علیت: سنگ بنای تحلیل‌های معتبر
  • 6. معرفی استنتاج علّی: فراتر از پیش‌بینی
  • 7. چرا به چارچوبی برای ضمانت دقت نیاز داریم؟
  • 8. معرفی دوره: نقشه راه یادگیری پیش‌بینی کانفورمال برای اثرات درمانی
  • 9. مفهوم نتایج بالقوه (Potential Outcomes): چارچوب روبین
  • 10. مسئله بنیادین استنتاج علّی
  • 11. اثر درمانی میانگین (ATE): تعریف و شهود
  • 12. اثر درمانی میانگین برای درمان‌شدگان (ATT)
  • 13. اثر درمانی ناهمگون (Heterogeneous Treatment Effects)
  • 14. معرفی اثر درمانی میانگین شرطی (CATE)
  • 15. معرفی اثر درمانی فردی (ITE)
  • 16. داده‌های مشاهداتی در مقابل داده‌های آزمایش تصادفی کنترل‌شده (RCT)
  • 17. چالش متغیرهای مخدوش‌گر (Confounders) و نحوه شناسایی آن‌ها
  • 18. فرضیات کلیدی در استنتاج علّی: SUTVA, Ignorability, Positivity
  • 19. مروری بر روش‌های کلاسیک برآورد اثر درمانی (Matching, IPW, Regression)
  • 20. نقش یادگیری ماشین در برآورد اثرات درمانی ناهمگون
  • 21. بخش ۲: آشنایی عمیق با پیش‌بینی کانفورمال (Conformal Prediction)
  • 22. پیش‌بینی کانفورمال چیست؟ یک شهود اولیه برای کمی‌سازی عدم قطعیت
  • 23. اصل کلیدی: قابلیت تعویض‌پذیری داده‌ها (Exchangeability)
  • 24. مفهوم امتیاز انطباق (Conformity Score) و نقش آن
  • 25. محاسبه p-value تجربی در چارچوب کانفورمال
  • 26. از p-value تا ساخت مجموعه‌های پیش‌بینی (Prediction Sets)
  • 27. ضمانت پوشش حاشیه‌ای (Marginal Coverage Guarantee): قول اصلی پیش‌بینی کانفورمال
  • 28. پیش‌بینی کانفورمال کامل (Full Conformal Prediction) و چالش‌های محاسباتی آن
  • 29. پیش‌بینی کانفورمال استقرایی یا تقسیمی (Inductive/Split Conformal Prediction)
  • 30. نقش و اهمیت مجموعه کالیبراسیون (Calibration Set)
  • 31. انتخاب تابع امتیاز انطباق مناسب برای مدل‌های مختلف
  • 32. پیش‌بینی کانفورمال برای مسائل رگرسیون: ساخت بازه‌های پیش‌بینی
  • 33. پیش‌بینی کانفورمال برای مسائل طبقه‌بندی: ساخت مجموعه‌های پیش‌بینی
  • 34. اعتبار (Validity) و کارایی (Efficiency) در پیش‌بینی کانفورمال
  • 35. کالیبراسیون مدل‌ها و ارتباط آن با پیش‌بینی کانفورمال
  • 36. فراتر از پوشش حاشیه‌ای: مفهوم پوشش شرطی (Conditional Coverage)
  • 37. بخش ۳: ادغام یادگیری ماشین و استنتاج علّی
  • 38. استفاده از مدل‌های یادگیری ماشین برای برآورد توابع پاسخ شرطی
  • 39. متا-یادگیرنده‌ها (Meta-Learners): رویکردی منعطف برای برآورد CATE
  • 40. S-Learner: سادگی و محدودیت‌ها
  • 41. T-Learner: مدلسازی جداگانه گروه‌های درمان و کنترل
  • 42. X-Learner: رویکردی دو مرحله‌ای برای برآورد دقیق‌تر CATE
  • 43. R-Learner: تمرکز بر اثر درمانی با استفاده از روش رابینسون
  • 44. جنگل‌های علّی (Causal Forests): برآورد ناپارامتریک CATE
  • 45. چالش برآورد عدم قطعیت برای برآوردگرهای CATE
  • 46. چرا خطای استاندارد کلاسیک برای برآوردگرهای CATE کافی نیست؟
  • 47. نیاز به یک چارچوب توزیع-آزاد (Distribution-Free) برای عدم قطعیت CATE
  • 48. بخش ۴: رویه‌های پیش‌بینی کانفورمال برای برآورد اثرات درمانی
  • 49. ادغام پیش‌بینی کانفورمال و استنتاج علّی: ایده اصلی
  • 50. هدف: ساخت بازه‌های پیش‌بینی معتبر برای اثرات درمانی فردی (ITE)
  • 51. امتیاز انطباق برای باقیمانده‌های مدل‌های درمان و کنترل
  • 52. روش استاندارد کانفورمال برای T-Learner
  • 53. کانفورمال کردن خروجی X-Learner برای بازه‌های بهینه‌تر
  • 54. روش‌های مبتنی بر شبه-نتیجه (Pseudo-outcome) و کانفورمال کردن آن‌ها
  • 55. پیش‌بینی کانفورمال وزنی (Weighted Conformal Prediction) برای داده‌های مشاهداتی
  • 56. استفاده از امتیاز تمایل (Propensity Score) در تعریف امتیاز انطباق
  • 57. ساخت بازه‌های پیش‌بینی برای CATE با پوشش تضمین‌شده
  • 58. تفسیر بازه‌های پیش‌بینی کانفورمال برای اثرات درمانی
  • 59. روش Conformalized CATE (CCATE)
  • 60. ارزیابی عملکرد بازه‌های پیش‌بینی: طول متوسط و پوشش تجربی
  • 61. مقایسه روش‌های مختلف کانفورمال برای برآورد اثر درمانی
  • 62. ملاحظات عملی در انتخاب سطح اطمینان (α)
  • 63. پیش‌بینی کانفورمال برای سیاست‌های درمانی (Treatment Policies)
  • 64. بخش ۵: موضوعات پیشرفته و چالش‌ها
  • 65. مقابله با نقض فرضیه همپوشانی (Overlap)
  • 66. حساسیت به مخدوش‌گرهای پنهان (Hidden Confounders)
  • 67. چالش دستیابی به پوشش شرطی (Conditional Coverage) برای CATE
  • 68. روش‌های پیشرفته برای بهبود کارایی (کاهش طول بازه‌ها)
  • 69. پیش‌بینی کانفورمال برای درمان‌های چندگانه (Multiple Treatments)
  • 70. پیش‌بینی کانفورمال برای درمان‌های پیوسته (Continuous Treatments)
  • 71. مقابله با تغییر توزیع (Covariate Shift) بین داده‌های آموزشی و آزمون
  • 72. پیش‌بینی کانفورمال برای داده‌های سری زمانی و علیت پویا
  • 73. ملاحظات انصاف (Fairness) در برآورد اثرات درمانی کانفورمال
  • 74. تأثیر انتخاب مدل پایه (Base Learner) بر نتایج کانفورمال
  • 75. بهینه‌سازی محاسباتی رویه‌های کانفورمال برای داده‌های بزرگ
  • 76. تفسیرپذیری بازه‌های کانفورمال و ارائه نتایج به ذی‌نفعان
  • 77. پیش‌بینی کانفورمال تطبیقی (Adaptive Conformal Prediction)
  • 78. مدیریت داده‌های گمشده (Missing Data) در چارچوب علّی کانفورمال
  • 79. ترکیب پیش‌بینی کانفورمال با روش‌های یادگیری تقویتی برای تصمیم‌گیری بهینه
  • 80. بخش ۶: پیاده‌سازی عملی و مطالعات موردی
  • 81. معرفی کتابخانه‌های پایتون برای پیش‌بینی کانفورمال (MAPIE, nonconformist)
  • 82. معرفی کتابخانه‌های پایتون برای استنتاج علّی (EconML, CausalML)
  • 83. پیاده‌سازی گام‌به‌گام Split Conformal برای یک مدل رگرسیون ساده
  • 84. پیاده‌سازی یک T-Learner و کانفورمال کردن خروجی آن در پایتون
  • 85. پیاده‌سازی یک X-Learner کانفورمال برای برآورد بازه‌های CATE
  • 86. مطالعه موردی ۱: پیش‌بینی پاسخ بیمار به دارو (پزشکی شخصی‌سازی‌شده)
  • 87. مطالعه موردی ۲: تخمین اثربخشی یک کمپین بازاریابی و شخصی‌سازی پیشنهادات
  • 88. مطالعه موردی ۳: ارزیابی تأثیر یک سیاست آموزشی بر عملکرد دانش‌آموزان
  • 89. نحوه ارزیابی و گزارش نتایج یک تحلیل علّی کانفورمال
  • 90. اشتباهات رایج در پیاده‌سازی و تفسیر نتایج
  • 91. نکات و ترفندهای عملی برای استفاده مؤثر از پیش‌بینی کانفورمال
  • 92. نگاهی به آینده: روندهای نوظهور در استنتاج علّی کانفورمال
  • 93. چگونه عدم قطعیت را در فرآیندهای تصمیم‌گیری سازمانی ادغام کنیم
  • 94. پروژه نهایی: حل یک مسئله واقعی با استفاده از ابزارهای آموخته‌شده
  • 95. جمع‌بندی دوره: تلفیق دانش برای تصمیم‌گیری‌های هوشمندانه و قابل اعتماد
SMART LEARNING PLATFORM
از مطالعه تا یادگیری ماندگار
فراتر از یک مجموعه فلش‌کارت؛ تجربه‌ای تعاملی برای یادگیری، تمرین، مرور هوشمند و مشاهده مسیر پیشرفت شما، همراه با امکان دریافت گواهی پایان دوره در دوره‌های واجد شرایط.
مرور فاصله‌دار آمار یادگیری گواهی دوزبانه
یادگیری را به یک مسیر قابل پیگیری تبدیل کنید
با ورود به سامانه آموزشی، محتوای دوره را به‌صورت مرحله‌ای دنبال کنید، فلش‌کارت‌ها را مرور کنید، دانش خود را با پرسش‌ها و آزمون‌ها بسنجید و روند پیشرفتتان را در طول مسیر ببینید.
⟳
مرور فاصله‌دار هوشمند
با مرور زمان‌دار، کارت‌های تازه و کارت‌های سررسیدشده را بر اساس برنامه مرور دنبال کنید. ارزیابی پاسخ‌ها به زمان‌بندی مرورهای بعدی کمک می‌کند تا تمرین متناسب‌تری داشته باشید.
◉
مشاهده مسیر پیشرفت
میزان مشاهده فلش‌کارت‌ها، فعالیت‌های مرور، عملکرد آزمون‌ها و آمار یادگیری را بررسی کنید و تصویر روشن‌تری از مسیر آموزشی خود داشته باشید.
▤
یادگیری مرحله‌به‌مرحله
فصل‌ها و بخش‌های آموزشی را به ترتیب دنبال کنید، مطالب دیده‌نشده را پیدا کنید و بدون سردرگمی به ادامه مسیر برگردید.
✓
تمرین و سنجش آموخته‌ها
با نکته‌های آموزشی، پرسش و پاسخ، کوییزها و آزمون‌های پایان فصل، دانسته‌های خود را تمرین کنید و بخش‌هایی را که به توجه بیشتری نیاز دارند بشناسید.
SMART REVIEW
هر بار، مرور هدفمندتر
لازم نیست هر روز از ابتدا درباره اینکه چه چیزی را مرور کنید تصمیم بگیرید. سامانه، صف مرور روزانه را بر اساس کارت‌های تازه و موعد مرور کارت‌ها آماده می‌کند. شما پاسخ را ارزیابی می‌کنید و برنامه مرور با توجه به آن تنظیم می‌شود.
دوباره
برای کارت‌هایی که به تمرین زودتر نیاز دارند.
سخت
برای پاسخ‌هایی که با دشواری به یاد آمده‌اند.
خوب
برای پاسخ‌هایی که به‌درستی به یاد آورده‌اید.
آسان
برای کارت‌هایی که پاسخ آن‌ها را به‌آسانی می‌دانید.
برنامه مرور بر اساس ارزیابی شما تنظیم می‌شود؛ مرور منظم می‌تواند به تثبیت آموخته‌ها کمک کند، اما به‌تنهایی تضمین‌کننده تسلط کامل نیست.
محتوا را به شیوه‌های مختلف تمرین کنید
ساختار دوره‌ها متناسب با موضوع آموزشی طراحی شده است و ممکن است انواع مختلفی از محتوا را در بر بگیرد.
نکته‌های ساده
برای مرور سریع مفاهیم اصلی و نکات کلیدی.
نکته‌های رسمی
برای تمرین تعاریف، اصطلاحات و بیان دقیق علمی.
کوییز
برای سنجش درک مطلب و بررسی گزینه صحیح.
پرسش و پاسخ
برای تمرین یادآوری و سنجش میزان تسلط بر مطالب.
محتوای هر دوره بر اساس ساختار و امکانات فعال همان دوره ارائه می‌شود.
LEARN ANYWHERE
همراه شما روی مرورگر
برای استفاده از نسخه تحت وب، کافی است با حساب کاربری خود وارد سامانه شوید. بدون نیاز به نصب یک برنامه اختصاصی، می‌توانید از مرورگر سازگار روی گوشی، تبلت یا رایانه به دوره‌های در دسترس خود مراجعه کنید.
گوشی هوشمند
برای مطالعه در زمان‌های کوتاه
تبلت و لپ‌تاپ
برای مطالعه و مرور راحت‌تر
حساب کاربری شخصی
برای دسترسی به دوره‌های مجاز شما
COURSE COMPLETION CERTIFICATE
گواهی پایان دوره؛ ثبت دستاورد شما
در دوره‌هایی که امکان دریافت گواهی برای آن‌ها فعال است، می‌توانید پس از تکمیل شرایط آموزشی، درخواست گواهی پایان دوره ثبت کنید.
شرایط درخواست گواهی
✓ داشتن دسترسی دارای قابلیت گواهی برای دوره مربوطه.
✓ تکمیل اطلاعات لازم در پروفایل، شامل کد ملی معتبر، عکس پرسنلی و نام و نام خانوادگی انگلیسی.
✓ مشاهده تمام فلش‌کارت‌های فعال دوره.
✓ قبولی در آزمون‌های پایان فصل، در صورت وجود آزمون برای فصل‌ها.
فارسی و انگلیسی
پس از تأیید و انتشار، نسخه‌های فارسی و انگلیسی گواهی در دسترس قرار می‌گیرند.
استعلام آنلاین
گواهی منتشرشده دارای QR Code و لینک اختصاصی برای بررسی آنلاین اعتبار آن است.
دانلود و چاپ
پس از انتشار گواهی، امکان دریافت نسخه PDF فارسی و انگلیسی و چاپ آن فراهم است.
توجه: ثبت درخواست به معنای صدور قطعی نیست. درخواست گواهی پس از بررسی و تأیید ادمین منتشر می‌شود. این گواهی، گواهی پایان دوره آموزشی است و به‌خودی‌خود معادل مدرک دانشگاهی یا مدرک رسمی مورد تأیید نهادهای دولتی نیست.
یادگیری را شروع کنید؛ پیشرفت را دنبال کنید
با تمرین منظم، مرور هدفمند و پیگیری مسیر آموزشی خود، قدم‌به‌قدم دانش و مهارت‌هایتان را گسترش دهید.
هر کارت، یک قدم به جلو
امکانات محتوایی، مرور و گواهی بر اساس سطح دسترسی و تنظیمات هر دوره متفاوت است.
نگاهی به محیط سامانه

یادگیری هوشمند، قدم‌به‌قدم

با محیط سامانه آموزشی آشنا شوید و نمونه‌هایی از فضای یادگیری، فلش‌کارت‌ها و ابزارهای مرور و تمرین را مشاهده کنید.

تصویر نمونه اول از سامانه آموزشی و فلش‌کارت‌ها
محیط سامانه آموزشی
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه دوم از سامانه آموزشی و فلش‌کارت‌ها
یادگیری و مرور مطالب
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه سوم از سامانه آموزشی و فلش‌کارت‌ها
تجربه مطالعه تعاملی
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه چهارم از سامانه آموزشی و فلش‌کارت‌ها
امکانات بیشتر سامانه
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید

یادگیری فراتر از مطالعه معمولی
با فلش‌کارت‌های آموزشی، مرور هدفمند و تمرین مستمر، مطالب را فعالانه یاد بگیرید و مسیر پیشرفت خود را دنبال کنید.

تگ‌ها: Causal Inference conformal inference Data Mining guaranteed accuracy Intelligent Decision Making Machine Learning scientific paper statistical learning Statistical methods Systematic Review Treatment Effect Estimation Uncertainty Quantification اثرات درمانی پیش‌بینی کانفورمال تحلیل علّی تصمیم‌گیری هوشمند داده‌کاوی روش‌های آماری ضمانت دقت عدم قطعیت مرور سیستماتیک مقاله علمی یادگیری آماری یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.