کتاب صوتی تحلیل هندسی داده‌های پیچیده و کاربرد احتمالات در علوم داده مدرن

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل هندسی داده‌های پیچیده و کاربرد احتمالات در علوم داده مدرن

موضوع کلی: علوم ریاضی و آمار کاربردی

موضوع میانی: هندسه ابعاد بالا و نظریه احتمالات

📋 سرفصل‌های دوره

• 1. مبانی هندسه اقلیدسی در فضاهای با ابعاد بالا
• 2. بردارها و ضرب داخلی در فضای برداری چندبعدی
• 3. معرفی فضاهای متریک و نرم‌های استاندارد
• 4. مفهوم ابعاد بالا و پدیده نفرین ابعاد
• 5. توزیع‌های احتمالی در فضاهای چندبعدی
• 6. قانون اعداد بزرگ در فضاهای با ابعاد بالا
• 7. قضیه حد مرکزی و تقریب توزیع‌های نرمال
• 8. هندسه کره در ابعاد بالا و ویژگی‌های آن
• 9. مفهوم تمرکز اندازه در فضاهای احتمالی
• 10. نابرابری‌های غلظت برای متغیرهای تصادفی
• 11. نابرابری مارکوف و چبیشف در تحلیل داده
• 12. نابرابری چرنوف و کاربرد آن در تخمین خطا
• 13. روش‌های نمونه‌برداری در فضاهای با ابعاد بالا
• 14. پروژکتورها و فضای فرعی در جبر خطی عددی
• 15. لم جانسون-لیندن‌اشتراوس و کاهش ابعاد
• 16. توزیع‌های ایزوتروپیک و ویژگی‌های هندسی آن‌ها
• 17. ماتریس‌های تصادفی و توزیع مقادیر ویژه
• 18. تخمین چگالی در ابعاد بالا
• 19. هندسه محدب و مجموعه‌های محدب در فضای اقلیدسی
• 20. قضیه برش‌دهی و کاربرد آن در تحلیل هندسی
• 21. توابع محدب و بهینه‌سازی در فضای داده
• 22. برآوردگرهای آماری و انحراف معیار در ابعاد بالا
• 23. تحلیل مؤلفه‌های اصلی هندسی
• 24. خوشه‌بندی در فضاهای با ابعاد بالا
• 25. تشخیص ناهنجاری با استفاده از هندسه احتمالی
• 26. مبانی نظریه یادگیری آماری در ابعاد بالا
• 27. مفاهیم پیچیدگی رادماخر و ابعاد واپ‌نیک-چرووننکیس
• 28. پایداری الگوریتم‌های یادگیری در فضای با ابعاد زیاد
• 29. روش‌های هسته و نگاشت به فضاهای با ابعاد بالاتر
• 30. تکنیک‌های منظم‌سازی و هندسه نرم‌ها
• 31. کاربرد هندسه در بازنمایی داده‌های ساختاریافته
• 32. مدل‌سازی آماری داده‌های متنی با رویکردهای هندسی
• 33. تحلیل هندسی شبکه‌های عصبی عمیق
• 34. بهینه‌سازی تصادفی در فضای پارامترهای با ابعاد بالا
• 35. مفاهیم همگرایی در الگوریتم‌های یادگیری ماشین
• 36. شبیه‌سازی مونت‌کارلو و زنجیره‌های مارکوف
• 37. روش‌های انتگرال‌گیری در ابعاد بالا
• 38. کاربرد هندسه ابعاد بالا در پردازش تصویر
• 39. تحلیل داده‌های گراف و شبکه‌های پیچیده
• 40. مباحث پیشرفته در هندسه احتمالی کاربردی