دوره مقدمه‌ای بر یادگیری ماشین بیزی با PyMC همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر یادگیری ماشین بیزی با PyMC

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

موضوع میانی: کاربرد PyMC در یادگیری ماشین بیزی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی بیزی
• 2. احتمالات و توزیع‌های احتمال
• 3. مقدمه‌ای بر PyMC3
• 4. نصب و راه‌اندازی PyMC3
• 5. ساخت مدل‌های بیزی ساده با PyMC3
• 6. متغیرهای تصادفی و توزیع‌های اولیه‌
• 7. توزیع‌های احتمال رایج در PyMC3
• 8. توزیع نرمال و کاربردهای آن
• 9. توزیع یکنواخت و کاربردهای آن
• 10. توزیع گاما و کاربردهای آن
• 11. توزیع بتا و کاربردهای آن
• 12. توزیع پواسون و کاربردهای آن
• 13. توزیع دوجمله‌ای و کاربردهای آن
• 14. مدل‌های خطی بیزی
• 15. رگرسیون خطی بیزی با PyMC3
• 16. پیش‌بینی در مدل‌های رگرسیون بیزی
• 17. مدل‌های تعمیم‌یافته خطی بیزی
• 18. رگرسیون لجستیک بیزی با PyMC3
• 19. مدل‌های سلسله‌مراتبی بیزی
• 20. مقدمه‌ای بر مدل‌های سلسله‌مراتبی
• 21. مدل‌سازی اثرات تصادفی
• 22. مدل‌های بیزی برای داده‌های شمارشی
• 23. مدل‌های بیزی برای داده‌های طبقه‌بندی شده
• 24. مدل‌های بیزی برای داده‌های زمانی
• 25. تحلیل سری‌های زمانی با PyMC3
• 26. پیش‌بینی سری‌های زمانی با مدل‌های بیزی
• 27. مدل‌های بیزی برای داده‌های گمشده
• 28. تخمین پارامترها در مدل‌های بیزی
• 29. روش‌های نمونه‌برداری مارکوف زنجیره مونت کارلو (MCMC)
• 30. تشخیص همگرایی MCMC
• 31. تفسیر نتایج MCMC
• 32. ارزیابی مدل‌های بیزی
• 33. معیارهای اطلاعات بیزی (BIC)
• 34. اعتبارسنجی متقابل بیزی
• 35. مقایسه مدل‌ها با استفاده از نسبت احتمال
• 36. مدل‌سازی بیزی در مسائل طبقه‌بندی
• 37. مدل‌سازی بیزی در مسائل خوشه‌بندی
• 38. مدل‌سازی بیزی در مسائل کاهش ابعاد
• 39. استفاده از PyMC3 برای مسائل بهینه‌سازی
• 40. مدل‌سازی بیزی با داده‌های نامتوازن
• 41. مدل‌سازی بیزی با داده‌های چندمتغیره
• 42. مدل‌سازی بیزی با داده‌های مکانی
• 43. مدل‌سازی بیزی با داده‌های زمانی-مکانی
• 44. بررسی موردی: مدل‌سازی قیمت مسکن با PyMC3
• 45. بررسی موردی: مدل‌سازی رفتار مشتری با PyMC3
• 46. بررسی موردی: مدل‌سازی بیماری‌های همه‌گیر با PyMC3
• 47. مدل‌های بیزی پویا
• 48. فیلتر کالمن و کاربردهای آن
• 49. هموارسازی کالمن و کاربردهای آن
• 50. مدل‌های حالت-فضا با PyMC3
• 51. مدل‌سازی بیزی با استفاده از داده‌های بزرگ
• 52. تکنیک‌های مقیاس‌پذیری برای مدل‌های بیزی
• 53. محاسبه تقریب با استفاده از Variational Inference
• 54. محاسبه تقریب با استفاده از Expectation Propagation
• 55. مدل‌سازی بیزی و یادگیری تقویتی
• 56. مدل‌سازی بیزی و پردازش زبان طبیعی
• 57. مدل‌سازی بیزی و بینایی ماشین
• 58. آشنایی با کتابخانه‌های مکمل PyMC3
• 59. ادغام PyMC3 با سایر ابزارهای یادگیری ماشین
• 60. آموزش مدل‌های بیزی در محیط‌های ابری
• 61. بهینه‌سازی عملکرد مدل‌های PyMC3
• 62. عیب‌یابی و رفع خطاهای رایج در PyMC3