دوره راهنمای جامع مدل‌سازی فضایی بیزی و کاربرد MCMC همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای جامع مدل‌سازی فضایی بیزی و کاربرد MCMC

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

موضوع میانی: مدل‌های فضایی بیزی (Bayesian Spatial Models)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی بیزی
• 2. مبانی احتمال و استنتاج بیزی
• 3. قضیه بیز و کاربردهای آن
• 4. نمونه‌سازی پیشین و پسین
• 5. توزیع‌های پیشین رایج
• 6. توزیع‌های پسین رایج
• 7. مدل‌های خطی بیزی
• 8. مدل‌های سلسله مراتبی بیزی
• 9. مقدمه‌ای بر زنجیره‌های مارکوف مونت کارلو (MCMC)
• 10. اهمیت MCMC در مدل‌سازی بیزی
• 11. روش‌های نمونه‌برداری نمونه‌گیری از ضرب (Gibbs Sampling)
• 12. الگوریتم متروپلیس-هستینگز
• 13. تنظیم پارامترهای MCMC
• 14. ارزیابی همگرایی MCMC
• 15. تشخیص همگرایی با نمودارهای سری زمانی
• 16. آزمون را-من (R-hat)
• 17. نمونه‌گیری از متغیرهای مجهول
• 18. نمونه‌گیری از پارامترهای مدل
• 19. کاربرد MCMC در مدل‌های پیچیده
• 20. مدل‌سازی رگرسیون خطی بیزی با MCMC
• 21. مدل‌سازی رگرسیون لجستیک بیزی با MCMC
• 22. مدل‌سازی مدل‌های خطی تعمیم‌یافته بیزی
• 23. مدل‌سازی مدل‌های سری زمانی بیزی
• 24. مدل‌سازی مدل‌های فضایی بیزی
• 25. مبانی مدل‌سازی فضایی
• 26. انواع وابستگی فضایی
• 27. مدل‌های خودرگرسیون فضایی (CAR)
• 28. مدل‌های خودهمبستگی فضایی (SAR)
• 29. مدل‌های ناهمگنی فضایی
• 30. مدل‌سازی داده‌های فضایی با MCMC
• 31. مثال کاربردی: مدل‌سازی آلودگی هوا
• 32. مثال کاربردی: مدل‌سازی توزیع بیماری
• 33. مثال کاربردی: مدل‌سازی قیمت مسکن
• 34. مثال کاربردی: مدل‌سازی جرایم
• 35. مثال کاربردی: مدل‌سازی پراکندگی گونه‌ها
• 36. نرم‌افزارهای رایج برای مدل‌سازی بیزی و MCMC
• 37. زبان R و بسته‌های مرتبط
• 38. زبان پایتون و بسته‌های مرتبط
• 39. نرم‌افزار Stan
• 40. نرم‌افزار JAGS
• 41. نرم‌افزار BUGS
• 42. آماده‌سازی داده‌ها برای مدل‌سازی فضایی
• 43. پاکسازی و پیش‌پردازش داده‌ها
• 44. نمایش جغرافیایی داده‌ها
• 45. تعریف ساختار فضایی
• 46. انتخاب توزیع‌های پیشین مناسب
• 47. تنظیمات اولیه MCMC
• 48. اجرای الگوریتم‌های MCMC
• 49. بررسی نتایج MCMC
• 50. تفسیر توزیع‌های پسین
• 51. محاسبه معیارهای ارزیابی مدل
• 52. مقایسه مدل‌های مختلف
• 53. اعتبارسنجی مدل با داده‌های جدید
• 54. مدل‌سازی پیش‌بینی فضایی
• 55. ارزیابی عدم قطعیت پیش‌بینی
• 56. کاربرد مدل‌سازی فضایی بیزی در علوم محیطی
• 57. کاربرد مدل‌سازی فضایی بیزی در علوم اجتماعی
• 58. کاربرد مدل‌سازی فضایی بیزی در اقتصاد
• 59. کاربرد مدل‌سازی فضایی بیزی در بهداشت عمومی
• 60. کاربرد مدل‌سازی فضایی بیزی در علوم زمین
• 61. ملاحظات مربوط به مقیاس فضایی
• 62. اثر مقیاس بر نتایج مدل
• 63. مدل‌سازی داده‌های فضایی-زمانی
• 64. مبانی مدل‌سازی فضایی-زمانی
• 65. مدل‌های فضایی-زمانی با MCMC
• 66. مثال کاربردی: رصد تغییرات اقلیمی
• 67. مثال کاربردی: پیش‌بینی حوادث طبیعی
• 68. مثال کاربردی: تحلیل الگوهای مهاجرت
• 69. مثال کاربردی: رصد تحولات شهری
• 70. مدل‌سازی داده‌های ناهمگن فضایی
• 71. روش‌های مدل‌سازی ناهمگنی فضایی
• 72. مدل‌سازی اثرات متغیر فضایی
• 73. مدل‌سازی وابستگی فضایی غیرخطی
• 74. مقدمه‌ای بر روش‌های بیزی پیشرفته
• 75. مدل‌های درخت بیزی
• 76. مدل‌های شبکه‌های بیزی
• 77. مدل‌های گرافی بیزی
• 78. مدل‌سازی داده‌های پرت فضایی
• 79. روش‌های شناسایی و مدیریت داده‌های پرت
• 80. مدل‌سازی داده‌های باینری فضایی
• 81. مدل‌سازی داده‌های شمارشی فضایی
• 82. مدل‌سازی داده‌های پیوسته فضایی
• 83. ارزیابی حساسیت مدل به پیشین‌ها
• 84. تأثیر انتخاب پیشین بر نتایج
• 85. تکنیک‌های پیشرفته MCMC
• 86. نمونه‌برداری از طریق زنجیره‌های موازی
• 87. روش‌های بهبود کارایی MCMC
• 88. مدل‌سازی بیزی برای داده‌های بزرگ فضایی
• 89. چالش‌های مدل‌سازی داده‌های بزرگ
• 90. راهکارهای مقیاس‌پذیری در مدل‌سازی بیزی
• 91. اخلاق در تحلیل داده‌های فضایی
• 92. حریم خصوصی و امنیت داده‌ها
• 93. تفسیر مسئولانه نتایج مدل‌سازی
• 94. مطالعات موردی پیشرفته
• 95. پروژه‌های عملی مدل‌سازی فضایی بیزی
• 96. مباحث پیشرفته در MCMC
• 97. نکات کاربردی برای اجرای MCMC
• 98. ارتباط با تخصص‌های دیگر
• 99. ملاحظات فقهی در تحلیل داده‌ها (در صورت لزوم)
• 100. مبانی اقتصاد اسلامی در تحلیل‌های اقتصادی (در صورت لزوم)