دوره طراحی و پیاده‌سازی حل‌کننده‌های خودکار برای مسائل احتمالی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و پیاده‌سازی حل‌کننده‌های خودکار برای مسائل احتمالی

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مدل‌سازی احتمالی و استنتاج

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی احتمالی
• 2. احتمالات پایه و اصول آن
• 3. متغیرهای تصادفی و توزیع‌های احتمال
• 4. توزیع‌های گسسته احتمال
• 5. توزیع‌های پیوسته احتمال
• 6. تابع توزیع تجمعی (CDF)
• 7. قضیه بیز و کاربردهای آن
• 8. استنتاج بیزی
• 9. شبکه‌های بیزی
• 10. یادگیری ساختار شبکه‌های بیزی
• 11. یادگیری پارامتر شبکه‌های بیزی
• 12. روش‌های تقریبی استنتاج
• 13. روش زنجیره مارکوف مونت کارلو (MCMC)
• 14. روش‌های نمونه‌گیری اهمیت (Importance Sampling)
• 15. روش‌های متغیرهای متنوع (Variational Inference)
• 16. مدل‌های گرافیکی احتمالی
• 17. مدل‌های مخفی مارکوف (HMM)
• 18. فیلتر کالمن و صاف‌کننده کالمن
• 19. مسائل تصمیم‌گیری تحت عدم قطعیت
• 20. تئوری بازی‌ها و احتمالات
• 21. مدل‌سازی تصمیمات با استفاده از درختان تصمیم
• 22. بهینه‌سازی در مدل‌های احتمالی
• 23. برنامه‌ریزی خطی و غیرخطی
• 24. حل مسائل بهینه‌سازی با استفاده از الگوریتم‌های ژنتیک
• 25. حل مسائل بهینه‌سازی با استفاده از روش‌های گرادیانی
• 26. مسائل جستجو و حل مسئله در احتمالات
• 27. الگوریتم‌های جستجوی محلی
• 28. الگوریتم‌های جستجوی سراسری
• 29. حل خودکار مسائل احتمالی با استفاده ا