دوره طراحی و ارزیابی مدل‌های سلسله مراتبی بیزی برای مطالعات طولی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و ارزیابی مدل‌های سلسله مراتبی بیزی برای مطالعات طولی

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

موضوع میانی: مدل‌های سلسله مراتبی بیزی (Bayesian Hierarchical Models)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی سلسله مراتبی بیزی
• 2. مفاهیم پایه آمار بیزی
• 3. توزیع‌های پیشین، درست‌نمایی و پسین
• 4. روش‌های محاسبه توزیع پسین
• 5. مدل‌های خطی تعمیم‌یافته سلسله مراتبی
• 6. مدل‌های مختلط سلسله مراتبی
• 7. انتخاب توزیع پیشین مناسب
• 8. ارزیابی مدل و مقایسه مدل‌ها
• 9. روش‌های شبیه‌سازی مونت کارلو مارکوف زنجیره‌ای (MCMC)
• 10. همگرایی MCMC و تشخیص مشکلات
• 11. نرم‌افزارهای تخصصی مدل‌سازی بیزی (مثال: Stan، JAGS)
• 12. مدل‌های سلسله مراتبی برای داده‌های گسسته
• 13. مدل‌های سلسله مراتبی برای داده‌های پیوسته
• 14. مدل‌سازی تأثیرات تصادفی
• 15. مدل‌سازی همبستگی در داده‌های طولی
• 16. مدل‌های رشد پنهان (Latent Growth Models)
• 17. مدل‌های منحنی رشد چندگانه (Multiple Trajectory Models)
• 18. مدل‌سازی تغییر در طول زمان
• 19. مدل‌های بقا با داده‌های طولی
• 20. مدل‌های سلسله مراتبی برای داده‌های از دست رفته (Missing Data)
• 21. روش‌های برخورد با داده‌های سانسور شده (Censored Data)
• 22. مدل‌سازی داده‌های چندسطحی (Multilevel Data)
• 23. مدل‌های سلسله مراتبی برای داده‌های فضایی
• 24. مدل‌سازی اثرات متقابل (Interaction Effects)
• 25. مدل‌های غیرخطی سلسله مراتبی
• 26. تفسیر و گزارش نتایج مدل‌های سلسله مراتبی
• 27. کاربردهای مدل‌های سلسله مراتبی در علوم اجتماعی
• 28. کاربردهای مدل‌های سلسله مراتبی در علوم زیستی
• 29. کاربردهای مدل‌های سلسله مراتبی در علوم رفتاری
• 30. مدل‌سازی داده‌های پانل (Panel Data)
• 31. تکنیک‌های اعتبارسنجی مدل
• 32. مدل‌های سلسله مراتبی با متغیرهای توضیحی چندگانه
• 33. مدل‌سازی روابط غیرخطی با استفاده از Splines
• 34. مدل‌سازی اثرات زمانی متغیر (Time-Varying Effects)
• 35. مدل‌سازی اثرات فردی متغیر (Individual-Specific Effects)
• 36. بررسی حساسیت مدل به توزیع پیشین
• 37. مدل‌سازی داده‌های با ابعاد بالا (High-Dimensional Data)
• 38. روش‌های کاهش ابعاد (Dimensionality Reduction)
• 39. مدل‌های سلسله مراتبی برای داده‌های تصویربرداری
• 40. مدل‌سازی داده‌های سری زمانی با استفاده از مدل‌های سلسله مراتبی
• 41. مدل‌سازی داده‌های شبکه (Network Data)
• 42. مدل‌های سلسله مراتبی برای داده‌های متنی
• 43. مدل‌سازی نظر (Opinion Dynamics)
• 44. مدل‌سازی فرایندهای تصمیم‌گیری
• 45. مدل‌سازی پویایی جمعیت
• 46. مدل‌سازی رفتارهای اقتصادی
• 47. مدل‌سازی اثرات سیاست‌گذاری
• 48. مدل‌سازی ریسک و عدم قطعیت
• 49. مدل‌سازی و پیش‌بینی بیماری‌ها
• 50. مدل‌سازی تغییرات آب و هوایی
• 51. مدل‌سازی و پیش‌بینی بازار
• 52. مدل‌سازی و ارزیابی اثربخشی برنامه‌ها
• 53. مدل‌سازی و تحلیل داده‌های نظرسنجی
• 54. مدل‌سازی و تحلیل داده‌های شبکه‌های اجتماعی
• 55. مدل‌سازی و تحلیل داده‌های حسگرها
• 56. مدل‌سازی و تحلیل داده‌های بزرگ (Big Data)
• 57. روش‌های موازی‌سازی محاسبات بیزی
• 58. بهینه‌سازی کد برای مدل‌های پیچیده
• 59. ارائه نتایج مدل به مخاطبان غیرمتخصص
• 60. ملاحظات اخلاقی در مدل‌سازی بیزی
• 61. آینده مدل‌سازی سلسله مراتبی بیزی