لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش روشها و کاربردهای پیشرفته بیزی
- آخرین آپدیت
دانلود Advanced Bayesian Methods and Applications
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
در این دوره، تکنیکهای پیشرفته استنباط بیزی و کاربردهای عملی آنها در علم داده را بیاموزید. این دوره شما را با متدهای پیشرو، از جمله استنباط متغیر (Variational Inference)، نظریه تصمیمگیری بیزی و رویکردهای غیرپارامتریک آشنا میکند. شما یاد خواهید گرفت که عدم قطعیت در پیشبینیها را کمیسازی کنید، با استفاده از توابع زیان تصمیمات اصولی بگیرید و مدلهای منعطفی پیادهسازی کنید که پیچیدگی خود را با دادهها تطبیق میدهند. از طریق پروژههای عملی با استفاده از PyMC3 و بررسی مطالعات موردی واقعی، تخصص لازم برای گردش کار کامل بیزی (از تعریف مدل تا اعتبارسنجی) را کسب خواهید کرد. این دوره بر جایگزینهای مقیاسپذیر برای MCMC، بهویژه استنباط متغیر برای مجموعهدادههای بزرگ تأکید دارد و موضوعات پیشرفتهای مانند فرآیندهای دیریکله و رگرسیون فرآیند گاوسی را پوشش میدهد. آنچه این دوره را منحصربهفرد میکند، تمرکز آن بر پیادهسازی عملی و تصمیمگیری در شرایط عدم قطعیت است. شما مهارتهایی در برنامهنویسی احتمالی، ارزیابی مدل و بهکارگیری روشهای بیزی در حوزههای مختلف به دست خواهید آورد. با تکمیل این دوره، قادر خواهید بود مسائل پیچیده دادهها را با متدهای آماری دقیق حل کرده و عدم قطعیت را بهطور مؤثر در محیطهای حرفهای گزارش کنید.
سرفصل ها و درس ها
استنباط پیشرفته بیزی
Advanced Bayesian Inference
استنباط پیشرفته بیزی و تصمیمگیری
Advanced Bayesian Inference and Decision Making
چرا به استنباط متغیر نیاز داریم؟
Why do we need Variational Inference?
هسته اصلی استنباط متغیر
Core of Variational Inference
تقریب میدان میانگین
Mean-Field Approximation
مقایسه VI در مقابل MCMC
VI - vs - MCMC
نظریه تصمیمگیری و پیشبینی بیزی
Bayesian Decision Theory & Prediction
نظریه تصمیمگیری بیزی
Bayesian Decision Theory
نقش تابع زیان
The role of loss function
توابع زیان چند هدفه
Multi-objective loss functions
ارتباط با یادگیری ماشین
Connection with Machine Learning
نمایش نظرات