دوره کاربردهای عملی MCMC در TensorFlow Probability با مثال‌های واقعی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربردهای عملی MCMC در TensorFlow Probability با مثال‌های واقعی

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

موضوع میانی: TensorFlow Probability

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر آمار بیزی و MCMC
• 2. مروری بر مفاهیم احتمال و توزیع‌های پیشین
• 3. مقدمه‌ای بر TensorFlow Probability
• 4. نصب و راه‌اندازی TensorFlow Probability
• 5. توزیع‌های احتمالاتی در TensorFlow Probability
• 6. ساخت مدل‌های بیزی با TensorFlow Probability
• 7. مفاهیم کلیدی MCMC: زنجیره‌های مارکوف و همگرایی
• 8. روش Metropolis-Hastings در TensorFlow Probability
• 9. پیاده‌سازی Metropolis-Hastings با مثال‌های ساده
• 10. روش Gibbs Sampling در TensorFlow Probability
• 11. پیاده‌سازی Gibbs Sampling با مثال‌های کاربردی
• 12. روش Hamiltonian Monte Carlo (HMC)
• 13. پیاده‌سازی HMC در TensorFlow Probability
• 14. بهینه‌سازی HMC: تنظیم پارامترها و گام‌ها
• 15. No-U-Turn Sampler (NUTS) در TensorFlow Probability
• 16. استفاده از NUTS برای نمونه‌گیری کارآمد
• 17. مقایسه روش‌های MCMC مختلف در TensorFlow Probability
• 18. مدل‌سازی رگرسیون خطی بیزی با TensorFlow Probability
• 19. تحلیل مدل رگرسیون با استفاده از MCMC
• 20. مدل‌سازی رگرسیون لجستیک بیزی
• 21. پیش‌بینی با مدل‌های رگرسیون بیزی
• 22. مدل‌سازی سری‌های زمانی بیزی
• 23. پیش‌بینی سری‌های زمانی با استفاده از MCMC
• 24. مدل‌سازی خوشه‌بندی بیزی (Bayesian Clustering)
• 25. تحلیل خوشه‌بندی با استفاده از TensorFlow Probability
• 26. مدل‌سازی Mixture Models با استفاده از MCMC
• 27. استفاده از MCMC برای تخمین پارامترهای Mixture Models
• 28. مدل‌سازی Bayesian Neural Networks
• 29. استفاده از MCMC برای آموزش شبکه‌های عصبی بیزی
• 30. برآورد عدم قطعیت در شبکه‌های عصبی بیزی
• 31. مدل‌سازی مدل‌های بقا (Survival Analysis) بیزی
• 32. کاربرد MCMC در تحلیل داده‌های سانسور شده
• 33. مدل‌سازی مدل‌های سلسله مراتبی (Hierarchical Models) بیزی
• 34. استفاده از MCMC برای تحلیل مدل‌های سلسله مراتبی
• 35. تشخیص و رفع مشکلات همگرایی MCMC
• 36. ارزیابی کیفیت نمونه‌های MCMC
• 37. استفاده از Traceplots و Autocorrelation Plots
• 38. روش‌های بهبود همگرایی MCMC
• 39. بهینه‌سازی مدل‌های بیزی پیچیده با TensorFlow Probability
• 40. کاربرد MCMC در مسائل مالی (Financial Modeling)
• 41. مدل‌سازی پورتفولیو با استفاده از MCMC
• 42. کاربرد MCMC در علوم زیستی (Bioinformatics)
• 43. مدل‌سازی ژنتیکی با استفاده از MCMC
• 44. بررسی موردی: مدل‌سازی یک مسئله واقعی با TensorFlow Probability