فلش‌کارت‌های آموزشی مدل‌سازی پیش‌بینی در علوم رفتاری با پایتون

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌سازی پیش‌بینی در علوم رفتاری با پایتون

موضوع کلی: علوم رفتاری و مدل‌سازی اجتماعی

موضوع میانی: مدل‌سازی یادگیری ماشینی و یادگیری کاربردی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علوم رفتاری و کاربرد مدل‌سازی پیش‌بینی
• 2. مروری بر پایتون برای علوم رفتاری: ابزارها و کتابخانه‌ها
• 3. آشنایی با داده‌ها در علوم رفتاری: انواع و منابع
• 4. پیش‌پردازش داده‌ها: پاکسازی و تبدیل داده‌های رفتاری
• 5. تحلیل اکتشافی داده‌ها (EDA) در علوم رفتاری
• 6. ویژگی‌گزینی (Feature Selection) برای مدل‌های پیش‌بینی رفتاری
• 7. مقدمه‌ای بر رگرسیون خطی و کاربرد آن در پیش‌بینی رفتار
• 8. رگرسیون لجستیک برای پیش‌بینی رفتار دودویی
• 9. مدل‌های رگرسیونی تعمیم‌یافته (GLM) در علوم رفتاری
• 10. درخت‌های تصمیم‌گیری و جنگل‌های تصادفی برای پیش‌بینی رفتار
• 11. ماشین‌های بردار پشتیبان (SVM) در مدل‌سازی رفتاری
• 12. روش‌های ensemble و Boosting در پیش‌بینی رفتار
• 13. ارزیابی مدل‌های پیش‌بینی: معیارها و روش‌ها
• 14. اعتبارسنجی متقابل (Cross-Validation) برای ارزیابی مدل
• 15. مدل‌سازی سری‌های زمانی برای داده‌های رفتاری
• 16. پیش‌بینی رفتار با استفاده از شبکه‌های عصبی
• 17. شبکه‌های عصبی بازگشتی (RNN) و کاربرد آن‌ها در داده‌های ترتیبی رفتاری
• 18. مدل‌سازی انتخاب گسسته (Discrete Choice Modeling)
• 19. مدل‌سازی مبتنی بر عامل (Agent-Based Modeling) و پیش‌بینی رفتار جمعی
• 20. تحلیل بقا (Survival Analysis) و پیش‌بینی زمان وقوع رویدادهای رفتاری
• 21. کاربرد مدل‌های پیش‌بینی در بازاریابی و تبلیغات
• 22. مدل‌سازی پیش‌بینی در حوزه سلامت و رفتار درمانی
• 23. پیش‌بینی رفتار مصرف‌کننده با استفاده از داده‌های شبکه‌های اجتماعی
• 24. مدل‌سازی ریسک و فریب در معاملات مالی
• 25. کاربرد مدل‌های پیش‌بینی در جرم‌شناسی و پیشگیری از جرم
• 26. پیش‌بینی رفتار رای‌دهندگان در انتخابات
• 27. مدل‌سازی و پیش‌بینی رفتار کاربران در پلتفرم‌های آنلاین
• 28. بهینه‌سازی کمپین‌های بازاریابی با استفاده از مدل‌های پیش‌بینی
• 29. تفسیرپذیری مدل‌های پیش‌بینی در علوم رفتاری (Explainable AI)
• 30. مدل‌سازی علت و معلولی (Causal Inference) در رفتار
• 31. اخلاق در مدل‌سازی پیش‌بینی رفتار و حفظ حریم خصوصی
• 32. استقرار (Deployment) مدل‌های پیش‌بینی در محیط‌های واقعی