فلش‌کارت‌های آموزشی شبیه‌سازی تصادفی با رویکرد Ripley: از مبانی تا پیاده‌سازی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شبیه‌سازی تصادفی با رویکرد Ripley: از مبانی تا پیاده‌سازی

موضوع کلی: مدل‌سازی و شبیه‌سازی تصادفی

موضوع میانی: مبانی و کاربردهای شبیه‌سازی تصادفی مونت‌کارلو

📋 سرفصل‌های دوره

• 1. مقدمه به شبیه‌سازی تصادفی
• 2. نیاز به شبیه‌سازی در دنیای واقعی
• 3. مفاهیم پایه احتمال و آمار
• 4. متغیرهای تصادفی و توزیع‌های احتمال
• 5. توزیع‌های گسسته پرکاربرد
• 6. توزیع‌های پیوسته پرکاربرد
• 7. توزیع‌های چند متغیره
• 8. ایجاد اعداد شبه تصادفی
• 9. تولید کننده‌های اعداد شبه تصادفی خطی هماهنگ
• 10. آزمون‌های آماری برای اعداد شبه تصادفی
• 11. تولید اعداد تصادفی با توزیع‌های دلخواه
• 12. روش وارون‌سازی (Inverse Transform Sampling)
• 13. روش پذیرش-رد (Acceptance-Rejection Sampling)
• 14. روش ترکیب توزیع‌ها
• 15. روش تبدیل متغیرها
• 16. شبیه‌سازی فرآیندهای تصادفی
• 17. فرآیندهای پواسون
• 18. فرآیندهای تجدید (Renewal Processes)
• 19. فرآیندهای مارکوف زمان گسسته (DTMC)
• 20. فرآیندهای مارکوف زمان پیوسته (CTMC)
• 21. شبیه‌سازی سیستم‌های صف
• 22. مدل‌های صف M/M/1
• 23. مدل‌های صف M/M/c
• 24. مدل‌های صف G/M/1 و M/G/1
• 25. مدل‌های صف G/G/1
• 26. کاربرد شبیه‌سازی در بهینه‌سازی
• 27. الگوریتم‌های بهینه‌سازی تصادفی
• 28. بهینه‌سازی مبتنی بر شبیه‌سازی
• 29. بهینه‌سازی سراسری تصادفی
• 30. روش‌های کاهش واریانس
• 31. کاهش واریانس با استفاده از نمونه‌گیری هم‌تراز (Antithetic Variates)
• 32. کاهش واریانس با استفاده از کنترل متغیرها (Control Variates)
• 33. کاهش واریانس با استفاده از طبقه‌بندی (Stratification)
• 34. کاهش واریانس با استفاده از سایز گام (Importance Sampling)
• 35. روش مونت‌کارلو برای انتگرال‌گیری
• 36. تخمین انتگرال‌های چندبعدی
• 37. خطای تخمین مونت‌کارلو
• 38. بازه اطمینان برای تخمین مونت‌کارلو
• 39. شبیه‌سازی در مالی
• 40. مدل‌سازی قیمت دارایی‌ها
• 41. مدل‌سازی ریسک
• 42. ارزیابی قیمت‌گذاری آپشن (Option Pricing)
• 43. مدل‌سازی پرتفوی
• 44. شبیه‌سازی در مهندسی
• 45. شبیه‌سازی سیستم‌های مخابراتی
• 46. شبیه‌سازی سیستم‌های تولید
• 47. شبیه‌سازی تحلیل قابلیت اطمینان
• 48. شبیه‌سازی در علوم کامپیوتر
• 49. شبیه‌سازی شبکه‌ها
• 50. شبیه‌سازی الگوریتم‌ها
• 51. شبیه‌سازی سیستم‌های توزیع‌شده
• 52. شبیه‌سازی در فیزیک
• 53. شبیه‌سازی پدیده‌های فیزیکی
• 54. مدل‌سازی ذرات
• 55. شبیه‌سازی دینامیک مولکولی
• 56. شبیه‌سازی در زیست‌شناسی
• 57. شبیه‌سازی سیستم‌های بیولوژیکی
• 58. مدل‌سازی جمعیت
• 59. شبیه‌سازی شبکه‌های ژنی
• 60. شبیه‌سازی در علوم اجتماعی
• 61. مدل‌سازی رفتار انسانی
• 62. شبیه‌سازی پدیده‌های اجتماعی
• 63. مدل‌سازی عامل‌محور (Agent-Based Modeling)
• 64. روش‌های پیشرفته تولید اعداد تصادفی
• 65. تولید کننده‌های اعداد شبه تصادفی پیچیده‌تر
• 66. آزمون‌های پیشرفته اعداد شبه تصادفی
• 67. پیاده‌سازی شبیه‌سازی با پایتون
• 68. مقدمه‌ای بر کتابخانه‌های شبیه‌سازی پایتون
• 69. استفاده از NumPy برای شبیه‌سازی
• 70. استفاده از SciPy برای توزیع‌های احتمال
• 71. پیاده‌سازی روش وارون‌سازی در پایتون
• 72. پیاده‌سازی روش پذیرش-رد در پایتون
• 73. پیاده‌سازی شبیه‌سازی فرآیندهای پواسون در پایتون
• 74. پیاده‌سازی شبیه‌سازی فرآیندهای مارکوف در پایتون
• 75. پیاده‌سازی شبیه‌سازی سیستم‌های صف در پایتون
• 76. پیاده‌سازی روش‌های کاهش واریانس در پایتون
• 77. پیاده‌سازی شبیه‌سازی مونت‌کارلو برای انتگرال‌گیری در پایتون
• 78. مقدمه‌ای بر چارچوب‌های شبیه‌سازی
• 79. معرفی نرم‌افزار SimPy
• 80. کار با SimPy برای مدل‌سازی سیستم‌های صف
• 81. مدل‌سازی رویدادهای گسسته (Discrete Event Simulation)
• 82. طراحی مدل‌های شبیه‌سازی جامع
• 83. اعتبارسنجی و صحت‌سنجی مدل‌های شبیه‌سازی
• 84. تحلیل حساسیت در شبیه‌سازی
• 85. تحلیل بهینه‌سازی با شبیه‌سازی
• 86. شبیه‌سازی و داده‌های بزرگ
• 87. کاربرد شبیه‌سازی در یادگیری ماشین
• 88. یادگیری تقویتی (Reinforcement Learning)
• 89. مدل‌سازی با شبکه‌های عصبی تصادفی
• 90. شبیه‌سازی برای تشخیص ناهنجاری (Anomaly Detection)
• 91. پیش‌بینی سری‌های زمانی با شبیه‌سازی
• 92. شبیه‌سازی در بلاک‌چین و رمزارزها
• 93. مدل‌سازی رفتار شبکه بلاک‌چین
• 94. شبیه‌سازی برای امنیت در بلاک‌چین
• 95. شبیه‌سازی برای ارزیابی الگوریتم‌های اجماع
• 96. شبیه‌سازی در پردازش تصویر و بینایی ماشین
• 97. مدل‌سازی نویز در تصاویر
• 98. شبیه‌سازی داده برای آموزش مدل‌های بینایی ماشین
• 99. کاربرد شبیه‌سازی در رباتیک
• 100. شبیه‌سازی محیط برای ربات‌ها