فلش‌کارت‌های آموزشی ساخت مدل‌های سببی بیزی با استفاده از تکنیک‌های نمونه‌گیری پیشرفته

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت مدل‌های سببی بیزی با استفاده از تکنیک‌های نمونه‌گیری پیشرفته

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

موضوع میانی: Bayesian Causal Inference Algorithms

📋 سرفصل‌های دوره

• 1. مبانی احتمالات و آمار در مدل‌سازی سببی
• 2. مقدمه‌ای بر مدل‌های سببی بیزی
• 3. ساختار گرافیکی مدل‌های بیزی
• 4. مفهوم و کاربرد شبکه‌های بیزی
• 5. انواع روابط سببی در شبکه‌های بیزی
• 6. تعریف متغیرهای پنهان و مشاهده‌پذیر
• 7. نحوه نمایش عدم قطعیت در مدل‌های بیزی
• 8. روش‌های استنتاج در شبکه‌های بیزی
• 9. استنتاج دقیق: الگوریتم انتشار باور
• 10. استنتاج دقیق: الگوریتم عامل‌دار (Junction Tree)
• 11. استنتاج تقریبی: روش‌های مونت کارلو زنجیره مارکوف (MCMC)
• 12. روش نمونه‌گیری گیبس (Gibbs Sampling)
• 13. روش نمونه‌گیری نمونه‌برداری از نمونه‌های اولیه (Slice Sampling)
• 14. روش نمونه‌گیری شتاب‌دار (Hamiltonian Monte Carlo)
• 15. روش نمونه‌گیری نمونه‌برداری از پارتیکل‌ها (Particle Filtering)
• 16. روش‌های بهینه‌سازی تقریبی: استنتاج متغیر پنهان
• 17. مقدمه‌ای بر یادگیری شبکه‌های بیزی
• 18. یادگیری ساختار شبکه بیزی
• 19. روش‌های یادگیری ساختار: مبتنی بر امتیاز (Score-based)
• 20. روش‌های یادگیری ساختار: مبتنی بر آزمون فرض (Constraint-based)
• 21. یادگیری پارامترهای شبکه بیزی (با ساختار مشخص)
• 22. روش بیشینه درست‌نمایی (Maximum Likelihood Estimation)
• 23. روش درست‌نمایی پسین (Maximum A Posteriori Estimation)
• 24. یادگیری ساختار و پارامتر به صورت همزمان
• 25. پیاده‌سازی مدل‌های بیزی با استفاده از کتابخانه‌ها
• 26. معرفی کتابخانه `pgmpy` در پایتون
• 27. ساخت مدل‌های ساده با `pgmpy`
• 28. انجام استنتاج با `pgmpy`
• 29. یادگیری ساختار با `pgmpy`
• 30. معرفی کتابخانه `bnlearn`
• 31. ساخت مدل‌های پیچیده‌تر با `bnlearn`
• 32. کاربرد مدل‌های بیزی در علوم پزشکی
• 33. تشخیص بیماری با استفاده از شبکه‌های بیزی
• 34. پیش‌بینی نتایج درمانی
• 35. مدل‌سازی اپیدمی‌های بیماری
• 36. کاربرد مدل‌های بیزی در مالی
• 37. مدیریت ریسک در بازار سرمایه
• 38. پیش‌بینی قیمت سهام
• 39. ارزیابی اعتباری مشتریان
• 40. کاربرد مدل‌های بیزی در هوش مصنوعی
• 41. سیستم‌های توصیه‌گر
• 42. پردازش زبان طبیعی
• 43. بینایی ماشین
• 44. کاربرد مدل‌های بیزی در علوم اجتماعی
• 45. تحلیل رفتار مصرف‌کننده
• 46. مدل‌سازی پدیده‌های اجتماعی
• 47. پیش‌بینی روندهای اجتماعی
• 48. کاربرد مدل‌های بیزی در مهندسی
• 49. کنترل کیفیت محصولات
• 50. پیش‌بینی خرابی تجهیزات
• 51. بهینه‌سازی فرآیندهای تولید
• 52. مقدمه‌ای بر مدل‌های سببی پیشرفته
• 53. تمایز بین همبستگی و علیت
• 54. مفهوم مداخله (Intervention) در مدل‌های سببی
• 55. نمودارهای علّی جهت‌دار (DAGs)
• 56. قوانین درو (Do-calculus)
• 57. استنتاج علّی با استفاده از نمودارهای علّی جهت‌دار
• 58. تعریف مسیرهای پیش‌گیرنده و مسدودکننده
• 59. روش‌های شناسایی اثرات علّی
• 60. استفاده از متغیرهای کمکی (Instrumental Variables)
• 61. استفاده از متغیرهای میانجی (Mediators)
• 62. مدل‌های سببی برای داده‌های پانل
• 63. مدل‌های سببی برای داده‌های سیستمی
• 64. مدل‌های سببی با روابط غیرخطی
• 65. مقدمه‌ای بر نمونه‌گیری پیشرفته برای مدل‌های سببی
• 66. چالش‌های نمونه‌گیری در مدل‌های سببی پیچیده
• 67. روش‌های نمونه‌گیری برای استنتاج علّی
• 68. روش‌های نمونه‌گیری مبتنی بر مداخله
• 69. نمونه‌گیری برای مدل‌های سببی با عدم قطعیت ساختاری
• 70. نمونه‌گیری برای مدل‌های سببی با داده‌های ناقص
• 71. نمونه‌گیری برای مدل‌های سببی با متغیرهای پنهان
• 72. روش‌های نمونه‌گیری ابتکاری (Metropolis-Hastings) در مدل‌های سببی
• 73. روش‌های نمونه‌گیری مبتنی بر گرادیان (Gradient-based Sampling)
• 74. کاربرد نمونه‌گیری پیشرفته در تحلیل علّی
• 75. ارزیابی حساسیت نتایج به مفروضات مدل
• 76. اعتبارسنجی مدل‌های سببی
• 77. مقایسه مدل‌های سببی مختلف
• 78. مطالعه موردی: ساخت مدل سببی برای یک مسئله مشخص
• 79. جمع‌آوری و پیش‌پردازش داده‌ها برای مدل سببی
• 80. تعریف ساختار اولیه مدل سببی
• 81. آموزش پارامترها با استفاده از روش‌های نمونه‌گیری
• 82. انجام استنتاج علّی و تفسیر نتایج
• 83. ارزیابی و اعتبارسنجی مدل نهایی
• 84. ملاحظات اخلاقی در مدل‌سازی سببی
• 85. حفظ حریم خصوصی داده‌ها در مدل‌سازی
• 86. مسئولیت‌پذیری در استفاده از مدل‌های سببی
• 87. ارائه گزارش و نتایج مدل‌سازی سببی
• 88. آینده پژوهی در مدل‌های سببی بیزی و نمونه‌گیری پیشرفته
• 89. موضوعات پژوهشی نو در زمینه مدل‌های سببی
• 90. توسعه الگوریتم‌های نمونه‌گیری جدید
• 91. کاربرد در حوزه‌های نوظهور
• 92. مباحث پیشرفته در یادگیری ساختار علّی
• 93. مدل‌سازی سببی پویا
• 94. مدل‌سازی سببی غیرپارامتری
• 95. مدل‌سازی سببی با داده‌های شبکه‌ای
• 96. مدل‌سازی سببی برای تصمیم‌گیری‌های پیچیده
• 97. یادگیری تقویتی علّی
• 98. مقدمه‌ای بر چارچوب‌های رسمی برای علیت
• 99. نظریه علیت روتمان
• 100. نظریه علیت هِیر