کتاب صوتی استنتاج مدلهای جمع‌آوری تصادفی با رویکرد اصل موضوعی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استنتاج مدلهای جمع‌آوری تصادفی با رویکرد اصل موضوعی

موضوع کلی: نظریه انتخاب و تصمیم‌گیری

موضوع میانی: مدل‌سازی انتخاب مجموعه‌ای از گزینه‌ها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر نظریه انتخاب و تصمیم‌گیری
• 2. تمایز انتخاب فردی و انتخاب مجموعه
• 3. نیاز به مدل‌های انتخاب مجموعه
• 4. مفهوم مجموعه‌ها و روابط در ریاضیات
• 5. فضاهای انتخاب و گزینه‌های موجود
• 6. مقدمه‌ای بر رویکرد اصل موضوعی در علم
• 7. نقش تصادفیت در فرآیندهای انتخاب
• 8. مفاهیم اولیه مطلوبیت و ترجیح
• 9. انواع داده‌های انتخاب و مشاهده
• 10. ساختار کلی دوره و اهداف آموزشی
• 11. نظریه انتخاب عقلایی و فروض آن
• 12. اصل حداکثرسازی مطلوبیت
• 13. ترجیحات دوتایی و تابع ترجیح
• 14. اصل عدم اشباع و گذرا بودن
• 15. محدودیت‌های نظریه کلاسیک برای انتخاب مجموعه
• 16. معرفی توابع انتخاب و ویژگی‌های آن‌ها
• 17. انتخاب از لیست‌های پیش‌فرض
• 18. مفهوم ثبات در انتخاب
• 19. اثرات زمینه‌ای بر انتخاب
• 20. چالش‌های مدل‌سازی انتخاب مجموعه‌ای
• 21. دلایل انتخاب یک مجموعه (مثال‌ها: سبد خرید، پورتفولیو)
• 22. تفاوت انتخاب "یک گزینه از بین مجموعه‌ها" و "انتخاب مجموعه از گزینه‌ها"
• 23. مدل‌های اولیه انتخاب مجموعه (مرور اجمالی)
• 24. مفهوم "جمع‌آوری" (Collection) در انتخاب
• 25. انگیزه معرفی "جمع‌آوری تصادفی"
• 26. تعریف فضای حالت و فضای نتایج
• 27. مدل‌های مبتنی بر مطلوبیت مجموعه‌ها
• 28. رویکردهای احتمالی در انتخاب مجموعه
• 29. ضرورت رویکرد اصل موضوعی
• 30. پیش‌نیازهای ریاضی برای "جمع‌آوری تصادفی"
• 31. مفهوم "جمع‌آوری تصادفی" به صورت رسمی
• 32. تعریف تابع جمع‌آوری و خروجی آن
• 33. اصل موضوع اول: استقلال از گزینه‌های نامربوط (IRA برای مجموعه)
• 34. تبیین ریاضی اصل استقلال گزینه‌های نامربوط
• 35. اصل موضوع دوم: پایداری در برابر حذف (Stability to Deletion)
• 36. کاربرد اصل پایداری در رفتار انتخاب
• 37. اصل موضوع سوم: یکنواختی تصادفی (Stochastic Monotonicity)
• 38. تفسیر اصل یکنواختی تصادفی در انتخاب
• 39. اثبات‌های وجودی برای مدل‌های جمع‌آوری تصادفی
• 40. اثبات‌های یکتایی برای نمایش‌ها
• 41. قضیه نمایش برای مدل‌های جمع‌آوری تصادفی
• 42. ساختار پارامتری مدل‌های جمع‌آوری تصادفی
• 43. خواص اصلی تابع جمع‌آوری
• 44. رابطه با مدل‌های تصادفی مطلوبیت (Random Utility Models)
• 45. تفاوت با مدل‌های انتخاب ترتیبی (Sequential Choice)
• 46. تحلیل حساسیت نسبت به تغییر گزینه‌ها
• 47. قضیه مشخصه سازی (Characterization Theorem)
• 48. تعمیم اصول موضوعی به فضاهای بزرگتر
• 49. مدل‌های جمع‌آوری تصادفی با مطلوبیت خطی
• 50. مدل‌های جمع‌آوری تصادفی با مطلوبیت غیرخطی
• 51. تحلیل رفتار مرزی در جمع‌آوری تصادفی
• 52. محدودیت‌های اصول موضوعی پیشنهاد شده
• 53. مقایسه با سایر چارچوب‌های اصل موضوعی برای انتخاب مجموعه
• 54. اصول موضوعی تعمیم‌یافته برای جمع‌آوری
• 55. رویکردهای جایگزین برای استنتاج
• 56. مدل جمع‌آوری تصادفی پواسون (Poisson Random Collection)
• 57. استنتاج پارامترهای مدل پواسون
• 58. مدل جمع‌آوری تصادفی برنولی (Bernoulli Random Collection)
• 59. ارتباط مدل برنولی با انتخاب‌های مستقل
• 60. مدل جمع‌آوری تصادفی تعمیم‌یافته
• 61. فرآیندهای نقطه‌ای (Point Processes) و ارتباط آن با جمع‌آوری
• 62. مدل‌های سلسله مراتبی در جمع‌آوری تصادفی
• 63. تابع احتمال برای یک مجموعه انتخاب شده
• 64. تابع چگالی احتمال برای جمع‌آوری
• 65. شبیه‌سازی مدل‌های جمع‌آوری تصادفی
• 66. مدل‌های با تعداد محدود آیتم
• 67. مدل‌های با تعداد نامحدود آیتم
• 68. گنجاندن ویژگی‌های گزینه‌ها در مدل
• 69. مدل‌های جمع‌آوری مبتنی بر شباهت
• 70. تاثیر هزینه جمع‌آوری بر انتخاب
• 71. ساختار داده‌های مشاهده‌ای برای جمع‌آوری
• 72. روش‌های تخمین حداکثر درستنمایی (Maximum Likelihood Estimation - MLE)
• 73. تابع درستنمایی برای مدل‌های جمع‌آوری تصادفی
• 74. الگوریتم‌های بهینه‌سازی برای MLE
• 75. خواص مجانبی تخمین‌گر MLE
• 76. روش گشتاورها (Method of Moments) در جمع‌آوری
• 77. استنتاج بیزی برای پارامترهای مدل
• 78. انتخاب مدل و معیارهای اطلاعاتی (AIC, BIC)
• 79. آزمون فرض‌های آماری در مدل‌های جمع‌آوری
• 80. ارزیابی برازش مدل (Goodness-of-Fit)
• 81. شناسایی‌پذیری (Identifiability) مدل‌های جمع‌آوری
• 82. مسائل محاسباتی و مقیاس‌پذیری
• 83. روش‌های تخمین ناپارامتری
• 84. اعتبارسنجی متقابل (Cross-Validation)
• 85. تحلیل حساسیت پارامترها
• 86. کاربرد در انتخاب سبد مصرف‌کننده
• 87. مدل‌سازی انتخاب پورتفولیوهای مالی
• 88. سیستم‌های توصیه‌گر (Recommendation Systems) برای مجموعه‌ها
• 89. کاربرد در مدل‌های رأی‌گیری و انتخاب کمیته
• 90. کاربردهای بازاریابی و بسته‌بندی محصولات
• 91. انتخاب مجموعه‌ای در شبکه‌های اجتماعی
• 92. جمع‌آوری تصادفی پویا و انتخاب‌های متوالی
• 93. مدل‌های یادگیری در جمع‌آوری
• 94. اثرات رفتاری و سوگیری‌ها در جمع‌آوری
• 95. تعمیم به انتخاب‌های وابسته زمانی و مکانی
• 96. ارتباط جمع‌آوری تصادفی با نظریه گراف و شبکه‌ها
• 97. پیوند با یادگیری ماشین و پردازش زبان طبیعی
• 98. مسائل باز و جهت‌گیری‌های تحقیقاتی آینده
• 99. ملاحظات اخلاقی و شفافیت در مدل‌سازی جمع‌آوری
• 100. جمع‌بندی دوره و افق‌های جدید در نظریه انتخاب