فلش‌کارت‌های آموزشی رازگشایی از علیت: کتاب جامع استنتاج علّی به روش جودیا پرل

رازگشایی از علیت: دوره جامع استنتاج علّی به روش جودیا پرل - قدمی فراتر از آمار توصیفی رازگشایی از علیت: دوره جامع استنتاج علّی به روش جودیا پرل آیا از تحلیل داده‌های سطحی خسته شده‌اید؟ آیا می‌خواهید ف...

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 رازگشایی از علیت: دوره جامع استنتاج علّی به روش جودیا پرل

موضوع کلی: استنتاج آماری پیشرفته

موضوع میانی: مبانی استنتاج علّی

📋 سرفصل‌های دوره

  • 1. چرا علیت مهم است؟ مقدمه‌ای بر استنتاج علّی
  • 2. همبستگی علیت نیست: مقدمه‌ای بر یک اشتباه رایج
  • 3. نردبان علیت جودیا پرل: سه سطح پرسش‌های علّی
  • 4. یادآوری مفاهیم احتمال: احتمال شرطی و قانون بیز
  • 5. پارادوکس سیمپسون: چگونه داده‌های تجمعی ما را فریب می‌دهند
  • 6. متغیرهای مخدوشگر (Confounders) چه هستند و چرا اهمیت دارند؟
  • 7. مدل‌های علّی ساختاری (SCM) به عنوان زبان علیت
  • 8. معادلات ساختاری و متغیرهای برون‌زا (Exogenous)
  • 9. معرفی گراف‌های علّی: زبان بصری علیت
  • 10. گراف‌های جهت‌دار غیرمدور (DAGs): نمایش فرضیات علّی
  • 11. گره‌ها، یال‌ها و مسیرها در یک DAG
  • 12. مسیرهای زنجیره‌ای (Chains) و انشعابی (Forks)
  • 13. ساختار تصادم (Collider) و اهمیت آن در استنتاج علّی
  • 14. مفهوم d-separation: مسدود کردن مسیرها در یک گراف
  • 15. چگونه با شرطی‌سازی روی متغیرها، مسیرها را مسدود یا باز کنیم
  • 16. تمرین d-separation: مثال‌های کاربردی
  • 17. فرض مارکوف علّی: استقلال‌های شرطی در DAG
  • 18. پیامدهای قابل آزمون یک مدل علّی
  • 19. آزمون مدل: آیا داده‌ها با ساختار گراف سازگارند؟
  • 20. از دانش پیشین تا ساخت یک DAG معتبر
  • 21. مداخله (Intervention) چیست؟ تفاوت دیدن و انجام دادن
  • 22. عملگر do: فرمول‌بندی ریاضی یک مداخله
  • 23. گراف دستکاری‌شده (Manipulated Graph): نمایش بصری یک مداخله
  • 24. محاسبه توزیع پس از مداخله: یک مثال ساده
  • 25. فرمول تعدیل (Adjustment Formula): اولین ابزار برای محاسبه اثر علّی
  • 26. مفهوم تعدیل (Adjustment) برای متغیرهای مخدوشگر
  • 27. معیار درِ پشتی (Backdoor Criterion): چه متغیرهایی را باید کنترل کنیم؟
  • 28. شناسایی مجموعه‌های تعدیل معتبر (Valid Adjustment Sets)
  • 29. شناسایی و بستن مسیرهای درِ پشتی: مثال‌های عملی
  • 30. رگرسیون و تعدیل: ارتباط روش‌های آماری سنتی با معیار درِ پشتی
  • 31. خطرات تعدیل برای متغیرهای نامناسب (متغیرهای میانجی و تصادم)
  • 32. معیار درِ جلویی (Front-door Criterion): یک روش جایگزین قدرتمند
  • 33. شرایط استفاده از معیار درِ جلویی
  • 34. تجزیه اثر علّی با استفاده از معیار درِ جلویی: گام به گام
  • 35. مثال کاربردی از معیار درِ جلویی: سیگار کشیدن و سرطان
  • 36. مقدمه‌ای بر do-calculus: زمانی که تعدیل کافی نیست
  • 37. قانون اول do-calculus: حذف مشاهدات
  • 38. قانون دوم do-calculus: حذف مداخلات (قانون عمل/مشاهده)
  • 39. قانون سوم do-calculus: اضافه کردن و حذف مداخلات
  • 40. مفهوم شناسایی‌پذیری (Identifiability): آیا می‌توانیم اثر علّی را تخمین بزنیم؟
  • 41. الگوریتم شناسایی: یک روش سیستماتیک برای تعیین اثرات علّی
  • 42. محاسبه اثر علّی میانگین (Average Causal Effect - ACE)
  • 43. اثرات علّی شرطی (Conditional Causal Effects)
  • 44. استنتاج علّی بدون گراف: چارچوب نتایج بالقوه (Potential Outcomes)
  • 45. ارتباط بین چارچوب SCM و نتایج بالقوه
  • 46. سطح سوم نردبان علیت: استدلال خلاف واقع (Counterfactuals)
  • 47. "اگر X اتفاق نمی‌افتاد، Y چه می‌شد؟": تعریف رسمی خلاف واقع
  • 48. متغیرهای خلاف واقع و دنیای ممکن
  • 49. مدل‌های دوقلو (Twin Networks) برای تحلیل خلاف واقع
  • 50. سه گام اساسی در محاسبه خلاف واقع: Abduction, Action, Prediction
  • 51. محاسبه احتمال یک رویداد خلاف واقع: یک مثال عملی
  • 52. تفاوت بین P(Y|do(X)) و P(Y_x | X')
  • 53. اثر علّی بر روی درمان‌شدگان (ATT)
  • 54. اثر علّی بر روی درمان‌نشدگان (ATU)
  • 55. وابستگی خلاف واقع و مفهوم "علت بودن"
  • 56. علیت در موارد منفرد: مفهوم "علت واقعی" (Actual Cause)
  • 57. احتمال ضرورت (Probability of Necessity - PN)
  • 58. احتمال کفایت (Probability of Sufficiency - PS)
  • 59. احتمال ضرورت و کفایت (Probability of Necessity and Sufficiency - PNS)
  • 60. مقدمه‌ای بر تحلیل میانجی‌گری (Mediation Analysis)
  • 61. اثرات مستقیم و غیرمستقیم: چرا این تفکیک مهم است؟
  • 62. اثر مستقیم کنترل‌شده (Controlled Direct Effect - CDE)
  • 63. اثر طبیعی مستقیم (Natural Direct Effect - NDE)
  • 64. اثر طبیعی غیرمستقیم (Natural Indirect Effect - NIE)
  • 65. تفاوت مفهومی بین NDE و CDE
  • 66. فرمول‌های میانجی‌گری: چگونه NDE و NIE را محاسبه کنیم
  • 67. مثال کاربردی: تحلیل میانجی‌گری در یک مطالعه پزشکی
  • 68. شناسایی اثرات مستقیم و غیرمستقیم با استفاده از do-calculus
  • 69. فرضیات لازم برای شناسایی اثرات میانجی‌گری
  • 70. متغیرهای ابزاری (Instrumental Variables): یافتن علیت در حضور مخدوشگرهای پنهان
  • 71. تعریف یک متغیر ابزاری معتبر: سه شرط اصلی
  • 72. تخمین اثر علّی با استفاده از متغیرهای ابزاری
  • 73. محدودیت‌ها و خطرات استفاده از متغیرهای ابزاری
  • 74. طراحی ناپیوستگی رگرسیون (Regression Discontinuity Design - RDD)
  • 75. مبانی RDD: یافتن علیت در نقاط برش
  • 76. تطبیق امتیاز تمایل (Propensity Score Matching): یک ابزار محبوب
  • 77. ارتباط امتیاز تمایل با معیار درِ پشتی
  • 78. هشدارها و سوءتفاهم‌ها در مورد امتیاز تمایل
  • 79. تعمیم‌پذیری و انتقال‌پذیری (Transportability) نتایج علّی
  • 80. چه زمانی می‌توان نتایج یک مطالعه را به جامعه دیگر تعمیم داد؟
  • 81. فرمول‌بندی انتقال‌پذیری با استفاده از نمودارهای انتخاب (Selection Diagrams)
  • 82. ترکیب داده‌ها (Data Fusion): ادغام نتایج از مطالعات مختلف
  • 83. مسئله ترکیب داده‌های مشاهده‌ای و آزمایشگاهی
  • 84. داده‌های گمشده به عنوان یک مسئله علّی
  • 85. گراف‌های m و تحلیل داده‌های گمشده
  • 86. فرضیات علّی در یادگیری تقویتی (Reinforcement Learning)
  • 87. سیاست‌گذاری مبتنی بر شواهد با استفاده از استنتاج علّی
  • 88. کشف علّی (Causal Discovery): چگونه ساختار گراف را از داده‌ها یاد بگیریم؟
  • 89. الگوریتم‌های کشف علّی مبتنی بر قید (Constraint-based)
  • 90. الگوریتم‌های کشف علّی مبتنی بر امتیاز (Score-based)
  • 91. محدودیت‌ها و چالش‌های کشف علّی
  • 92. یادگیری ماشین علّی (Causal Machine Learning)
  • 93. اهمیت فرضیات علّی در علوم اجتماعی و سیاست‌گذاری
  • 94. استنتاج علّی در اپیدمیولوژی: از گذشته تا امروز
  • 95. اخلاق و استنتاج علّی: مسئولیت‌پذیری در ادعاهای علّی
  • 96. مرور نردبان علیت: از همبستگی تا خلاف واقع
  • 97. جعبه‌ابزار استنتاج علّی: چه زمانی از چه روشی استفاده کنیم؟
  • 98. محدودیت‌های مدل‌سازی علّی و اهمیت فرضیات
  • 99. آینده استنتاج علّی: هوش مصنوعی و یادگیری ماشین
  • 100. پروژه نهایی: تحلیل یک مجموعه داده واقعی با رویکرد علّی
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 Do-calculus Judia Pearl آمار آماری ادعاهای علّی استنتاج آماری پیشرفته استنتاج علّی جودیا پرل داده‌کاوی رازگشایی از علیت علیت مبانی استنتاج علّی مدل‌های گراف علّی یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.