دوره مقدمه‌ای بر پارادایم بیزی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر پارادایم بیزی

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

موضوع میانی: مفاهیم مرتبط با آمار بیزی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر استدلال احتمالی
• 2. احتمال شرطی و قانون بیز
• 3. متغیرهای تصادفی و توزیع‌های احتمال
• 4. توزیع‌های گسسته احتمال
• 5. توزیع‌های پیوسته احتمال
• 6. میانگین، واریانس و انحراف معیار
• 7. توزیع نرمال و کاربردهای آن
• 8. قضیه حد مرکزی
• 9. نمونه‌برداری و توزیع نمونه‌گیری
• 10. تخمین نقطه‌ای و فاصله‌ای
• 11. آزمون فرض آماری
• 12. آزمون‌های t و z
• 13. تحلیل واریانس (ANOVA)
• 14. رگرسیون خطی ساده
• 15. رگرسیون خطی چندگانه
• 16. تشخیص و رفع هم‌خطی
• 17. مدل‌های تعمیم‌یافته خطی (GLM)
• 18. مدل‌های خطی تعمیم‌یافته با توزیع‌های مختلف
• 19. مقدمه‌ای بر مدل‌سازی بیزی
• 20. توزیع پیشین، تابع درست‌نمایی و توزیع پسین
• 21. استنتاج بیزی: محاسبه توزیع پسین
• 22. روش‌های عددی برای استنتاج بیزی
• 23. روش زنجیره مارکوف مونت‌کارلو (MCMC)
• 24. مقدمه‌ای بر الگوریتم‌های MCMC
• 25. الگوریتم Metropolis-Hastings
• 26. الگوریتم Gibbs Sampling
• 27. انتخاب توزیع پیشین مناسب
• 28. مدل‌سازی بیزی در رگرسیون
• 29. مدل‌سازی بیزی در تحلیل واریانس
• 30. مدل‌های سلسله‌مراتبی بیزی
• 31. بررسی مدل و ارزیابی تناسب مدل
• 32. مقایسه مدل‌ها با استفاده از معیارهای اطلاعاتی
• 33. کاربردهای بیزی در پیش‌بینی
• 34. کاربردهای بیزی در طبقه‌بندی
• 35. بیزی در تشخیص خطا
• 36. بیزی در پردازش تصویر
• 37. بیزی در یادگیری ماشین
• 38. مقدمه‌ای بر شبکه‌های بیزی
• 39. ساخت و یادگیری شبکه‌های بیزی
• 40. استنتاج در شبکه‌های بیزی
• 41. شبکه‌های بیزی پویا
• 42. کاربردهای شبکه‌های بیزی
• 43. بیزی و تصمیم‌گیری
• 44. بیزی و نظریه بازی‌ها
• 45. بیزی و اقتصادسنجی
• 46. بیزی و علوم زیستی
• 47. بیزی و مهندسی
• 48. پیاده‌سازی مدل‌های بیزی در نرم‌افزار R
• 49. پیاده‌سازی مدل‌های بیزی در پایتون
• 50. آشنایی با بسته Stan برای مدل‌سازی بیزی
• 51. آشنایی با بسته PyMC3 برای مدل‌سازی بیزی
• 52. آشنایی با بسته JAGS برای مدل‌سازی بیزی
• 53. مسائل و چالش‌های مدل‌سازی بیزی
• 54. تفسیر نتایج بیزی
• 55. ارائه نتایج بیزی به مخاطبان غیرمتخصص
• 56. اخلاق در مدل‌سازی بیزی
• 57. آینده مدل‌سازی بیزی