دوره بررسی مدل‌های مکاشفه‌ای (Exploratory Models) با MCMC همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بررسی مدل‌های مکاشفه‌ای (Exploratory Models) با MCMC

موضوع کلی: روش‌های نمونه‌گیری مونت‌کارلو مارکوف (MCMC) در آمار بیزی

موضوع میانی: پشتیبانی از انواع توزیع‌ها و مدل‌ها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌های مکاشفه‌ای و اهمیت آن
• 2. مفاهیم پایهٔ احتمال و آمار
• 3. توزیع‌های احتمال گسسته و پیوسته
• 4. نظریهٔ بیز و احتمال پسین
• 5. مقدمه‌ای بر زنجیره‌های مارکوف
• 6. کاربرد زنجیره‌های مارکوف در مدل‌سازی
• 7. مفاهیم پایهٔ شبیه‌سازی
• 8. مقدمه‌ای بر الگوریتم‌های مونت کارلو
• 9. شبیه‌سازی مونت کارلو برای توزیع‌های ساده
• 10. مفاهیم پایهٔ الگوریتم‌های MCMC
• 11. الگوریتم نمونه‌برداری گیبز
• 12. الگوریتم پذیرش-رد (Metropolis-Hastings)
• 13. نکات عملی در پیاده‌سازی Metropolis-Hastings
• 14. انتخاب تابع پیشنهاد (Proposal Distribution)
• 15. همگرایی در الگوریتم‌های MCMC
• 16. معیارهای ارزیابی همگرایی
• 17. روش‌های بصری برای تشخیص همگرایی
• 18. روش‌های آماری برای ارزیابی همگرایی
• 19. مدل‌سازی آماری بیزی
• 20. استفاده از MCMC در مدل‌سازی بیزی
• 21. انتخاب پیشین‌های (Priors) مناسب
• 22. اثر پیشین‌ها بر نتایج
• 23. مدل‌های خطی بیزی
• 24. رگرسیون خطی بیزی با MCMC
• 25. مدل‌های لجستیک بیزی با MCMC
• 26. مدل‌های سلسله‌مراتبی بیزی
• 27. کاربرد مدل‌های سلسله‌مراتبی در علوم
• 28. پیاده‌سازی مدل‌های سلسله‌مراتبی با MCMC
• 29. مدل‌سازی سری‌های زمانی با MCMC
• 30. مدل‌های ARIMA بیزی
• 31. مدل‌های حالت-فضای بیزی
• 32. مدل‌سازی شبکه‌های بیزی
• 33. پیاده‌سازی شبکه‌های بیزی با MCMC
• 34. کاربرد شبکه‌های بیزی در یادگیری ماشین
• 35. مدل‌سازی خوشه‌ای (Clustering) با MCMC
• 36. الگوریتم‌های خوشه‌بندی بیزی
• 37. مدل‌سازی طبقه‌بندی (Classification) با MCMC
• 38. طبقه‌بندی بیزی با استفاده از MCMC
• 39. مدل‌سازی موضوعی (Topic Modeling) با MCMC
• 40. الگوریتم LDA (Latent Dirichlet Allocation)
• 41. پیاده‌سازی LDA با MCMC
• 42. کاربرد مدل‌سازی موضوعی در تحلیل متن
• 43. مدل‌سازی انتشار (Diffusion Models) با MCMC
• 44. مدل‌سازی پیش‌بینی (Predictive Models) با MCMC
• 45. ارزیابی مدل‌های پیش‌بینی
• 46. مدل‌سازی معادلات ساختاری با MCMC
• 47. کاربرد MCMC در اقتصادسنجی
• 48. مدل‌سازی مالی با MCMC
• 49. مدل‌سازی ریسک با MCMC
• 50. مدل‌سازی در علوم زیستی با MCMC
• 51. مدل‌سازی در علوم اجتماعی با MCMC
• 52. مدل‌سازی در مهندسی با MCMC
• 53. بهینه‌سازی پارامترها با MCMC
• 54. جستجوی فضای پارامتری با MCMC
• 55. مدل‌سازی شبکه‌های اجتماعی با MCMC
• 56. تحلیل شبکه‌های پیچیده با MCMC
• 57. مدل‌سازی انتخاب با MCMC
• 58. مدل‌سازی رفتار مصرف‌کننده با MCMC
• 59. مدل‌سازی در علوم سیاسی با MCMC
• 60. مدل‌سازی در علوم محیطی با MCMC
• 61. مدل‌سازی در علوم پزشکی با MCMC
• 62. مدل‌سازی اپیدمیولوژیک با MCMC
• 63. مدل‌سازی ژنتیکی با MCMC
• 64. مدل‌سازی در علوم کامپیوتر با MCMC
• 65. یادگیری ماشین بیزی با MCMC
• 66. شبکه‌های عصبی بیزی با MCMC
• 67. مدل‌های گرافیکی بیزی
• 68. کاربرد مدل‌های گرافیکی در هوش مصنوعی
• 69. روش‌های تقدم‌یافته در MCMC
• 70. روش‌های نمونه‌برداری از طریق زنجیره‌های موازی
• 71. نمونه‌برداری مولتی‌آنچور (Multi-anchor Sampling)
• 72. روش‌های نمونه‌برداری با توان‌بخشی (Powering)
• 73. روش‌های نمونه‌برداری از توزیع‌های پیچیده
• 74. مدل‌سازی با استفاده از MCMC در پایتون (کتابخانه PyMC)
• 75. مدل‌سازی با استفاده از MCMC در R (کتابخانه Stan)
• 76. مقایسهٔ کتابخانه‌های MCMC
• 77. اشکال‌زدایی (Debugging) مدل‌های MCMC
• 78. بهبود کارایی الگوریتم‌های MCMC
• 79. استفاده از MCMC در مسائل علمی حل‌نشده
• 80. مباحث پیشرفته در مدل‌سازی مکاشفه‌ای
• 81. استانداردهای توسعهٔ نرم‌افزار برای مدل‌های MCMC
• 82. اصول مهندسی نرم‌افزار در پروژه‌های MCMC
• 83. مدیریت داده در پروژه‌های MCMC
• 84. کاربرد MCMC در پردازش زبان طبیعی
• 85. مدل‌سازی بیزی برای داده‌های حجیم
• 86. استفاده از MCMC در سیستم‌های توصیه‌گر
• 87. مدل‌سازی پدیده‌های تصادفی پیچیده
• 88. اصول اخلاقی در استفاده از مدل‌های آماری
• 89. آیندهٔ مدل‌های مکاشفه‌ای و MCMC
• 90. جمع‌بندی و نگاه به آیندهٔ MCMC