دوره کشف کارتل‌های تبانی در مناقصات با استفاده از شبکه‌های عصبی گراف توجهی (GAT): یک رویکرد نوین با یادگیری عمیق همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

2,490,000 تومان
کشف کارتل‌های تبانی در مناقصات با GAT: دوره یادگیری عمیق برای تحلیل رقابت کشف کارتل‌های تبانی در مناقصات با استفاده از شبکه‌های عصبی گراف توجهی (GAT): یک رویکرد نوین با یادگیری عمیق آیا می‌خواهید توان...
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 622,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کشف کارتل‌های تبانی در مناقصات با استفاده از شبکه‌های عصبی گراف توجهی (GAT): یک رویکرد نوین با یادگیری عمیق

موضوع کلی: تحلیل داده و یادگیری ماشین در حوزه اقتصاد و بازارهای رقابتی

موضوع میانی: کاربرد شبکه‌های عصبی گراف در شناسایی تخلفات رقابتی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر اقتصاد رقابتی و تبانی در مناقصات
  • 2. چالش‌های شناسایی کارتل‌های تبانی
  • 3. مروری بر روش‌های سنتی شناسایی تبانی
  • 4. محدودیت‌های روش‌های سنتی
  • 5. ضرورت رویکردهای نوین در تحلیل داده
  • 6. معرفی یادگیری ماشین در تحلیل اقتصادی
  • 7. یادگیری ماشین برای شناسایی الگوهای غیرعادی
  • 8. شبکه‌های عصبی و قدرت یادگیری عمیق
  • 9. مقدمه‌ای بر نظریه گراف
  • 10. کاربرد نظریه گراف در تحلیل شبکه‌های اجتماعی و اقتصادی
  • 11. شبکه‌های پیچیده و مدل‌سازی آن‌ها
  • 12. مفهوم گره (Node) و یال (Edge) در گراف
  • 13. انواع گراف‌ها (جهت‌دار، بدون جهت، وزنی)
  • 14. نمایش داده‌های اقتصادی به صورت گراف
  • 15. مناقصات به عنوان یک سیستم تعاملی
  • 16. شرکت‌کنندگان مناقصه به عنوان گره‌ها
  • 17. مناقصات و پیشنهادها به عنوان یال‌ها
  • 18. اطلاعات مرتبط با هر مناقصه
  • 19. اطلاعات مرتبط با هر شرکت‌کننده
  • 20. ویژگی‌های گره‌ها (شرکت‌کنندگان)
  • 21. ویژگی‌های یال‌ها (پیشنهادها)
  • 22. ویژگی‌های گراف (کل مناقصه)
  • 23. مقدمه‌ای بر شبکه‌های عصبی گراف (GNN)
  • 24. نحوه عملکرد GNN
  • 25. انتشار اطلاعات در GNN
  • 26. تجمع اطلاعات از همسایگان
  • 27. یادگیری نمایش برداری (Embedding) گره‌ها
  • 28. یادگیری نمایش برداری (Embedding) یال‌ها
  • 29. یادگیری نمایش برداری (Embedding) کل گراف
  • 30. انواع معماری‌های GNN
  • 31. شبکه‌های انتشار پیام (Message Passing Neural Networks)
  • 32. شبکه‌های کانولوشنال گراف (Graph Convolutional Networks - GCN)
  • 33. شبکه‌های توجهی گراف (Graph Attention Networks - GAT)
  • 34. مزایای GAT نسبت به GCN
  • 35. مکانیسم توجه (Attention Mechanism) در GAT
  • 36. محاسبه وزن توجه
  • 37. اهمیت وزن توجه در GAT
  • 38. قابلیت تفسیر در GAT
  • 39. معماری GAT برای مسائل طبقه‌بندی گراف
  • 40. معماری GAT برای مسائل پیش‌بینی یال
  • 41. معماری GAT برای مسائل خوشه‌بندی گره
  • 42. ساخت گراف مناقصه از داده‌های واقعی
  • 43. انتخاب ویژگی‌های مناسب برای گره‌ها و یال‌ها
  • 44. پردازش و پاکسازی داده‌های مناقصه
  • 45. نحوه نمایش یک مناقصه به عنوان یک گراف
  • 46. ساخت گراف برای یک مجموعه از مناقصات
  • 47. مقیاس‌پذیری GNN برای داده‌های بزرگ
  • 48. مجموعه داده‌های نمونه برای تبانی در مناقصات
  • 49. مجموعه داده‌های مورد استفاده در مقاله "Catching Bid-rigging Cartels"
  • 50. ویژگی‌های داده‌های تبانی (Bid-rigging)
  • 51. شناسایی الگوهای مشکوک تبانی
  • 52. الگوهای پیشنهادی در تبانی (Bid Patterns)
  • 53. الگوهای زمانی در تبانی
  • 54. الگوهای جغرافیایی در تبانی
  • 55. الگوهای تعاملات بین شرکت‌کنندگان
  • 56. شناسایی ساختارهای کارتل در گراف
  • 57. کارتل به عنوان زیرگراف‌های خاص
  • 58. شناسایی همبستگی‌های غیرعادی بین شرکت‌کنندگان
  • 59. آموزش مدل GAT برای شناسایی تبانی
  • 60. تعریف مسئله طبقه‌بندی: تبانی یا عدم تبانی
  • 61. تابع زیان (Loss Function) مناسب برای طبقه‌بندی
  • 62. بهینه‌سازی مدل GAT (Optimizer)
  • 63. تنظیم فراپارامترها (Hyperparameter Tuning)
  • 64. اعتبارسنجی مدل (Validation)
  • 65. ارزیابی عملکرد مدل (Evaluation Metrics)
  • 66. دقت (Accuracy)، دقت (Precision)، فراخوانی (Recall)، F1-Score
  • 67. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 68. تحلیل حساسیت (Sensitivity Analysis)
  • 69. کشف کارتل‌های تبانی با GAT
  • 70. تفسیر نتایج GAT
  • 71. نمایش گره‌ها و یال‌های مشکوک
  • 72. شناسایی اعضای کلیدی کارتل
  • 73. پیش‌بینی احتمال تبانی برای مناقصات جدید
  • 74. کاربرد GAT در تحلیل داده‌های نهادهای نظارتی
  • 75. مدل‌سازی تبانی در مناقصات دولتی
  • 76. مدل‌سازی تبانی در مناقصات خصوصی
  • 77. مطالعات موردی (Case Studies)
  • 78. پیاده‌سازی GAT با فریم‌ورک‌های یادگیری عمیق (TensorFlow, PyTorch)
  • 79. استفاده از کتابخانه‌های GNN (PyTorch Geometric, Deep Graph Library)
  • 80. چالش‌های عملی در پیاده‌سازی GAT
  • 81. نیاز به داده‌های برچسب‌گذاری شده (Labeled Data)
  • 82. مشکل کمبود داده‌های تبانی واقعی
  • 83. روش‌های مقابله با عدم تعادل داده‌ها (Data Imbalance)
  • 84. افزایش داده (Data Augmentation) برای گراف‌ها
  • 85. یادگیری انتقالی (Transfer Learning)
  • 86. روش‌های شناسایی ناهنجاری (Anomaly Detection)
  • 87. GAT به عنوان یک روش شناسایی ناهنجاری
  • 88. مقایسه GAT با سایر روش‌های شناسایی ناهنجاری
  • 89. قابلیت تفسیرپذیری GAT در شناسایی تبانی
  • 90. تجسم سازی نتایج GAT
  • 91. نمایش گراف تبانی
  • 92. نمایش وزن‌های توجه
  • 93. محدودیت‌های GAT در شناسایی تبانی
  • 94. مقیاس‌پذیری GAT با تعداد گره‌ها و یال‌های زیاد
  • 95. پیچیدگی محاسباتی GAT
  • 96. موضوعات پیشرفته در GNN برای تحلیل اقتصادی
  • 97. GNN برای تحلیل سری‌های زمانی اقتصادی
  • 98. GNN برای تحلیل روابط سببی (Causal Inference)
  • 99. GNN برای مدل‌سازی بازار با عوامل متعدد
  • 100. استفاده از GAT برای شناسایی سایر تخلفات اقتصادی (مانند فریزینگ قیمت)
✦ مجموعه ویژه یادگیری

یک دوره، چند مسیر برای یادگیری بهتر

کتاب‌های آموزشی، محتوای صوتی و تصویری و دسترسی به سامانه آنلاین فلش‌کارت؛ مجموعه‌ای برای مطالعه، تمرین و تثبیت آموخته‌ها.

📚 محتوای متنی 🎧 صوت و ویدیو 🧠 مرور هوشمند

محتویات بسته آموزشی

مجموعه‌ای از منابع برای شیوه‌های مختلف یادگیری
📚
کتاب نکته‌های خودمانی
نسخه PDF با زبان ساده، روان و کاربردی برای یادگیری راحت‌تر مفاهیم.
PDF · بیان ساده
📘
کتاب نکته‌های رسمی فارسی
نسخه PDF با نگارش استاندارد، بیان دقیق و رویکرد علمی.
PDF · نگارش رسمی
❓
کتاب پرسش و پاسخ تشریحی
نسخه PDF برای مرور مفاهیم و آشنایی با پاسخ‌های توضیحی.
PDF · یادگیری مفهومی
✅
کتاب پرسش‌های چهارگزینه‌ای
نسخه PDF برای تمرین، سنجش آموخته‌ها و آمادگی بیشتر.
PDF · تمرین و سنجش
🎧
پادکست‌های صوتی فارسی
محتوای صوتی برای یادگیری و مرور مطالب در زمان‌های مختلف.
محتوای صوتی
🎬
ویدیوهای آموزشی فارسی
محتوای ویدیویی برای تکمیل تجربه یادگیری و درک بهتر مطالب.
محتوای ویدیویی
💻
اکانت سامانه آنلاین فلش‌کارت
دسترسی به نرم‌افزار آنلاین فلش‌کارت ویژه این دوره برای تمرین و مرور مطالب.
دسترسی آنلاین
🎓
گواهی پایان دوره
امکان دریافت گواهی پس از تکمیل فعالیت‌های لازم در سامانه و طی مراحل تأیید.
پس از تکمیل شرایط
💾
بسته فیزیکی روی فلش مموری
این محصول به‌صورت فلش مموری حاوی فایل‌های آموزشی، محتوای صوتی و ویدیویی ارائه می‌شود.
تحویل فیزیکی
نکته: استفاده از سامانه آنلاین فلش‌کارت به اتصال اینترنت نیاز دارد؛ محتوای قابل استفاده آفلاین به نوع فایل‌های موجود در بسته بستگی دارد.
SMART LEARNING

🌐 سامانه آنلاین فلش‌کارت؛ مرور هدفمند و هوشمند

اکانت ارائه‌شده، دسترسی به نسخه تحت وب سامانه فلش‌کارت ویژه این دوره را فراهم می‌کند. این سامانه از الگوریتم زمان‌بندی مرور SM-2 استفاده می‌کند و بر اساس ارزیابی شما از میزان یادآوری هر کارت، زمان مرورهای بعدی را تنظیم می‌کند.

به این ترتیب، کارت‌های دشوارتر می‌توانند زودتر مرور شوند و برای تثبیت مطالب در حافظه، برنامه مرور متناسب‌تری داشته باشید.

🧠
مرور زمان‌بندی‌شده
📈
پیگیری پیشرفت
🔄
تمرین و تکرار هدفمند
📚 حجم آموزشی دوره
هزاران
فلش‌کارت آموزشی، به‌صورت تقریبی
۶۰ ساعت
مدت‌زمان معادل برآوردشده آموزشی

مدت‌زمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج می‌شود.

🏅

گواهی دوزبانه با استعلام آنلاین

گواهی فارسی و انگلیسی · لینک اختصاصی · QR Code

پس از تکمیل فعالیت‌های لازم و تأیید درخواست، گواهی پایان دوره به زبان فارسی و انگلیسی صادر می‌شود. گواهی دارای لینک اختصاصی و QR Code برای بررسی و استعلام آنلاین است.

⚖️ توضیح مهم درباره گواهی پایان دوره

این گواهی صرفاً به‌عنوان گواهی اتمام دوره آموزشی صادر می‌شود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نیست. صدور آن منوط به تکمیل شرایط دوره و تأیید نهایی درخواست است.

تجربه‌ای کامل‌تر برای مطالعه، تمرین و یادگیری
express24.ir
تگ‌ها: Bid-rigging Cartels Data Science Deep Learning GAT Graph Attention Networks Graph Neural Networks Machine Learning اقتصاد تبانی در مناقصات شبکه‌های عصبی گراف شبکه‌های عصبی گراف توجهی علم داده کارتل یادگیری عمیق یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.