دوره تحلیل داده بیزی کاربردی: راهنمای جامع با R, JAGS و Stan همراه با فلشکارت آموزشی — ارائه روی فلش مموری
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره تحلیل داده بیزی کاربردی: راهنمای جامع با R, JAGS و Stan
موضوع کلی: علم داده و تحلیل پیشرفته
موضوع میانی: آمار بیزی و مدلسازی احتمالی
📋 سرفصلهای دوره
- 1. مقدمهای بر تفکر بیزی: فراتر از فراوانیگرایی
- 2. چرا آمار بیزی؟ مزایا و کاربردها در علم داده
- 3. مبانی احتمال: از فضای نمونه تا توزیعهای احتمالی
- 4. احتمال شرطی و قضیه بیز: سنگ بنای استنتاج
- 5. تفسیر بیزی از احتمال: باور و قطعیت
- 6. اجزای یک مدل بیزی: پیشین، درستنمایی و پسین
- 7. نصب و راهاندازی R و RStudio برای تحلیل بیزی
- 8. آشنایی با بستههای کلیدی: tidyverse, rjags, rstan
- 9. توزیعهای پیشین (Prior): انتخاب و توجیه
- 10. توزیعهای پیشین ناآگاهانه (Uninformative Priors) در مقابل آگاهانه (Informative Priors)
- 11. توزیع درستنمایی (Likelihood): پیوند دادهها به پارامترها
- 12. توزیع پسین (Posterior): ترکیب دانش پیشین و دادهها
- 13. استنتاج بیزی: توصیف توزیع پسین
- 14. بازه معتبر (Credible Interval) در مقابل بازه اطمینان (Confidence Interval)
- 15. معرفی شبیهسازی و روشهای مونت کارلو
- 16. چرا به MCMC (زنجیره مارکوف مونت کارلو) نیاز داریم؟
- 17. آشنایی با الگوریتم گیبز (Gibbs Sampling)
- 18. آشنایی با الگوریتم متروپلیس-هیستینگز (Metropolis-Hastings)
- 19. معرفی JAGS: زبانی برای مدلسازی بیزی
- 20. نوشتن اولین مدل در JAGS: مدل سکه
- 21. اجرای مدل JAGS از طریق R با بسته rjags
- 22. معرفی Stan: پلتفرمی مدرن برای مدلسازی آماری
- 23. نوشتن اولین مدل در Stan: باز هم مدل سکه
- 24. اجرای مدل Stan از طریق R با بسته rstan
- 25. بررسی همگرایی زنجیرهها: نمودارهای Trace Plot
- 26. معیار همگرایی Gelman-Rubin (R-hat)
- 27. اندازه نمونه مؤثر (Effective Sample Size - ESS)
- 28. خلاصه کردن توزیع پسین: معیارهای گرایش مرکزی و پراکندگی
- 29. تجسم توزیع پسین: هیستوگرام و نمودار چگالی
- 30. مدلسازی دادههای دوتایی: توزیع برنولی و دوجملهای
- 31. انتخاب پیشین مزدوج: توزیع بتا برای پارامتر برنولی
- 32. تخمین یک نسبت و بازه معتبر آن
- 33. آزمون فرض بیزی: ناحیه برابری عملی (ROPE)
- 34. مقایسه دو نسبت: رویکرد بیزی
- 35. بررسی کیفیت مدل (Model Checking): بررسی پیشگویانه پسین
- 36. مدلسازی دادههای پیوسته: توزیع نرمال
- 37. تخمین میانگین با واریانس معلوم
- 38. تخمین میانگین و واریانس به صورت همزمان
- 39. انتخاب توزیع پیشین برای میانگین و واریانس
- 40. رویکرد بیزی به آزمون تی (t-test): مدل BEST
- 41. مدلسازی مقاوم (Robust Modeling): استفاده از توزیع تی استیودنت
- 42. مقایسه دو گروه: تحلیل تفاوت میانگینها
- 43. تحلیل توان آماری از دیدگاه بیزی
- 44. مقدمهای بر رگرسیون خطی ساده بیزی
- 45. تفسیر پارامترهای رگرسیون (عرض از مبدأ و شیب) در چارچوب بیزی
- 46. انتخاب توزیعهای پیشین برای پارامترهای رگرسیون
- 47. پیادهسازی رگرسیون خطی ساده در Stan
- 48. ارزیابی عدم قطعیت در خط رگرسیون
- 49. بررسی کیفیت مدل رگرسیون: تحلیل باقیماندهها
- 50. پیشبینی مقادیر جدید و بازههای پیشبینی
- 51. رگرسیون خطی چندگانه بیزی
- 52. تفسیر ضرایب در رگرسیون چندگانه
- 53. اثرات متقابل (Interaction Effects) بین متغیرها
- 54. کار با متغیرهای پیشبین طبقهای (Categorical Predictors)
- 55. چالش همخطی چندگانه (Multicollinearity)
- 56. مقایسه مدلها: فاکتور بیز (Bayes Factor)
- 57. معیارهای اطلاعاتی: DIC, WAIC و LOO-IC
- 58. انتخاب متغیر بیزی (Bayesian Variable Selection)
- 59. مقدمهای بر مدلهای خطی تعمیمیافته (GLM)
- 60. رگرسیون لجستیک بیزی: مدلسازی احتمالات
- 61. تفسیر ضرایب در مقیاس لگاریتم شانس (Log-Odds)
- 62. پیادهسازی رگرسیون لجستیک در Stan
- 63. بررسی کیفیت مدل برای رگرسیون لجستیک
- 64. رگرسیون پواسون بیزی: مدلسازی دادههای شمارشی
- 65. مشکل پراکندگی بیش از حد (Overdispersion)
- 66. مدل دوجملهای منفی (Negative Binomial) برای دادههای شمارشی
- 67. مقدمهای بر مدلهای سلسلهمراتبی (Hierarchical Models)
- 68. چرا مدلهای سلسلهمراتبی؟ مفهوم تجمیع نسبی (Partial Pooling)
- 69. مدل سلسلهمراتبی برای تخمین میانگینهای چند گروه
- 70. ساختار مدل سلسلهمراتبی: پارامترهای سطح گروه و سطح جمعیت
- 71. انتخاب توزیعهای پیشین در مدلهای سلسلهمراتبی
- 72. پیادهسازی یک مدل سلسلهمراتبی ساده در Stan
- 73. رگرسیون خطی سلسلهمراتبی: مدل عرض از مبدأ تصادفی (Random Intercepts)
- 74. مدل شیب تصادفی (Random Slopes)
- 75. مدل عرض از مبدأ و شیب تصادفی
- 76. پارامتریسازی مجدد: مدلهای مرکزگریز (Non-centered Parameterization)
- 77. رگرسیون لجستیک سلسلهمراتبی
- 78. رگرسیون پواسون سلسلهمراتبی
- 79. تجسم نتایج مدلهای سلسلهمراتبی
- 80. گذار از JAGS به Stan: چرا و چگونه؟
- 81. مدلسازی دادههای ترتیبی (Ordinal Data): رگرسیون ترتیبی
- 82. رگرسیون خطی مقاوم (Robust Regression) با توزیع تی
- 83. مدلهای آمیخته (Mixture Models): شناسایی زیرگروهها
- 84. تحلیل عاملی بیزی (Bayesian Factor Analysis)
- 85. مدلسازی دادههای سانسور شده (Censored Data)
- 86. مدلسازی خطای اندازهگیری (Measurement Error Models)
- 87. مدلهای فضایی-زمانی (Spatio-temporal Models)
- 88. تحلیل بقا (Survival Analysis) از دیدگاه بیزی
- 89. بهینهسازی محاسباتی در Stan: برداریسازی (Vectorization)
- 90. گردش کار بیزی (Bayesian Workflow) در عمل
- 91. ارتباط و گزارشدهی نتایج تحلیل بیزی
- 92. اخلاق در مدلسازی بیزی: شفافیت و بازتولیدپذیری
- 93. مطالعه موردی ۱: تحلیل دادههای بازاریابی
- 94. مطالعه موردی ۲: تحلیل نتایج یک آزمایش بالینی
- 95. مطالعه موردی ۳: مدلسازی دادههای علوم اجتماعی
- 96. فراتر از این دوره: موضوعات پیشرفته در آمار بیزی
- 97. جمعبندی نهایی و خلاصه دوره
محتویات بسته آموزشی
🌐 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.
مدتزمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج میشود.
گواهی دوزبانه با استعلام آنلاین
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.
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.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.