کتاب صوتی اصول نظری یادگیری آماری و کاربرد آن در تحلیل کلان‌داده‌ها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اصول نظری یادگیری آماری و کاربرد آن در تحلیل کلان‌داده‌ها

موضوع کلی: علوم داده و هوش مصنوعی

موضوع میانی: یادگیری ماشین و تحلیل آماری

📋 سرفصل‌های دوره

• 1. مبانی نظری یادگیری آماری و تعریف مسئله استنتاج
• 2. چارچوب ریاضی یادگیری تحت نظارت
• 3. مفاهیم اساسی در یادگیری آماری و توابع زیان
• 4. تخمین ریسک تجربی و ریسک ساختاری
• 5. قضیه اعداد بزرگ و همگرایی یکنواخت در یادگیری
• 6. ابعاد واپنیک-چرووننکیس و ظرفیت مدل‌ها
• 7. پیچیدگی برنولی و کران‌های تعمیم‌پذیری
• 8. تعادل میان سوگیری و واریانس در مدل‌های آماری
• 9. روش‌های انتخاب مدل و اعتبارسنجی متقاطع
• 10. الگوریتم‌های بهینه‌سازی در فضای ویژگی‌های با ابعاد بالا
• 11. ماشین‌های بردار پشتیبان و بهینه‌سازی محدب
• 12. نظریه هسته‌ها در یادگیری آماری
• 13. رگرسیون خطی و تحلیل مؤلفه‌های اصلی
• 14. منظم‌سازی و روش‌های کاهش پیچیدگی مدل
• 15. اصول یادگیری نیمه‌نظارتی و استفاده از داده‌های بدون برچسب
• 16. مقدمه‌ای بر مدل‌های احتمالی گرافیکی
• 17. یادگیری بیزی و استنتاج آماری
• 18. تخمین‌گرهای بیشینه درست‌نمایی و نگاشت حداکثر پسین
• 19. فرآیندهای گاوسی در مدل‌سازی داده‌ها
• 20. اصول یادگیری مجموعه‌ای و جنگل‌های تصادفی
• 21. تقویت گرادیان و بهینه‌سازی توابع هدف پیچیده
• 22. مبانی شبکه‌های عصبی عمیق و انتشار معکوس
• 23. نظریه تقریب جهانی و معماری شبکه‌های عصبی
• 24. تنظیم‌کننده‌های شبکه عصبی و جلوگیری از بیش‌برازش
• 25. تحلیل کلان‌داده‌ها و چالش‌های محاسباتی
• 26. توزیع محاسبات و یادگیری موازی
• 27. الگوریتم‌های آنلاین و یادگیری جریانی
• 28. تحلیل داده‌های نامتوازن و استراتژی‌های نمونه‌برداری
• 29. معیارهای ارزیابی عملکرد در تحلیل کلان‌داده‌ها
• 30. مفاهیم پایداری در الگوریتم‌های یادگیری
• 31. تکنیک‌های کاهش ابعاد برای داده‌های حجیم
• 32. خوشه‌بندی و تحلیل ساختار داده‌های بدون برچسب
• 33. مدل‌سازی آماری سری‌های زمانی
• 34. کاربرد یادگیری آماری در تحلیل داده‌های اقتصادی
• 35. الگوریتم‌های یادگیری تقویتی در محیط‌های تصمیم‌گیری
• 36. نظریه اطلاعات و کاربرد آن در انتخاب ویژگی‌ها
• 37. روش‌های مبتنی بر آنتروپی برای یادگیری درخت تصمیم
• 38. تکنیک‌های آماری برای تشخیص ناهنجاری در داده‌ها
• 39. اخلاق در هوش مصنوعی و رعایت حریم خصوصی داده‌ها
• 40. مدیریت داده‌های کلان در چارچوب مقررات ملی
• 41. اعتبارسنجی مدل‌های هوش مصنوعی در کاربردهای حساس
• 42. تفسیرپذیری مدل‌های یادگیری ماشین
• 43. بهینه‌سازی هایپرپارامترها با استفاده از روش‌های آماری
• 44. مستندسازی و گزارش‌دهی نتایج تحلیل‌های آماری