کتاب تحلیل داده بیزی: از اصول تا کاربردهای پیشرفته با رویکرد گلمن با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل داده بیزی: از اصول تا کاربردهای پیشرفته با رویکرد گلمن

موضوع کلی: علم داده و آمار

موضوع میانی: رویکردهای بیزی در تحلیل داده

📋 سرفصل‌های دوره

• 1. مبانی علم داده و آمار: معرفی و مفاهیم
• 2. مقدمه‌ای بر آمار بیزی و تفاوت آن با آمار فراوانی‌گرا
• 3. قضیه بیز و اهمیت آن در تحلیل داده
• 4. توزیع‌های پیشین (Prior): انواع، انتخاب و اهمیت
• 5. توزیع‌های پسین (Posterior): محاسبه و تفسیر
• 6. تابع درست‌نمایی (Likelihood Function): ساختار و کاربرد
• 7. مدل‌های آماری: انواع و کاربردها
• 8. معرفی نرم‌افزارهای تحلیل بیزی (Stan, JAGS, PyMC3)
• 9. استنتاج بیزی: نمونه‌برداری از توزیع پسین
• 10. مقدمه‌ای بر روش مونت‌کارلوی زنجیره‌ای مارکوف (MCMC)
• 11. مفاهیم اولیه MCMC: زنجیره مارکوف، پایداری و همگرایی
• 12. تشخیص همگرایی در MCMC: شاخص‌های R-hat و ESS
• 13. مدل‌سازی خطی بیزی: اصول و کاربردها
• 14. رگرسیون خطی بیزی: ساختار، تخمین پارامترها و تفسیر
• 15. رگرسیون لجستیک بیزی: مدل‌سازی و کاربرد در داده‌های طبقه‌بندی
• 16. مدل‌های خطی تعمیم‌یافته بیزی (GLMs): مقدمه و انواع
• 17. مدل پواسون بیزی: مدل‌سازی داده‌های شمارشی
• 18. مدل‌های سلسله‌مراتبی بیزی: مقدمه و مفاهیم
• 19. مدل‌های سلسله‌مراتبی: رگرسیون خطی با اثرات تصادفی
• 20. مدل‌های سلسله‌مراتبی: کاربرد در تحلیل داده‌های تکراری
• 21. انتخاب مدل در تحلیل بیزی: معیارهای BIC، DIC و WAIC
• 22. اعتبارسنجی مدل بیزی: آزمون‌های پس‌بینی (Posterior Predictive Checks)
• 23. مقایسه مدل‌ها در رویکرد بیزی
• 24. استفاده از توزیع‌های پیشین با اطلاعات قبلی
• 25. استفاده از توزیع‌های پیشین غیر اطلاعاتی
• 26. حساسیت به توزیع پیشین: تحلیل و ارزیابی
• 27. مقدمه‌ای بر مدل‌سازی با Stan
• 28. پیاده‌سازی مدل‌های بیزی با Stan: مثال‌های عملی
• 29. بررسی خطاهای رایج در مدل‌سازی با Stan
• 30. مدل‌سازی سلسله‌مراتبی با Stan: مثال‌های کاربردی
• 31. آشنایی با کتابخانه ggplot2 و تجسم داده‌ها در R
• 32. رسم نمودارهای توزیع پسین و فواصل اطمینان
• 33. تجسم نتایج مدل‌های بیزی با نمودارهای مناسب
• 34. مدل‌سازی سری‌های زمانی بیزی: مقدمه و مفاهیم
• 35. مدل‌های ARIMA بیزی: ساختار و تخمین پارامترها
• 36. مدل فضایی حالت (State Space Models) بیزی
• 37. اعتبارسنجی مدل‌های سری زمانی بیزی
• 38. پیش‌بینی با مدل‌های سری زمانی بیزی
• 39. مدل‌سازی داده‌های گمشده به روش بیزی
• 40. تخمین پارامترهای مدل با داده‌های گمشده
• 41. مدل‌سازی داده‌های سانسور شده به روش بیزی
• 42. مدل‌سازی داده‌های خوشه‌ای (Clustering) بیزی
• 43. خوشه‌بندی k-میانگین بیزی
• 44. مدل‌های مخلوط گاوسی بیزی
• 45. مقدمه‌ای بر مدل‌سازی گرافیکی بیزی
• 46. مدل‌های بیزی شبکه‌ای (Bayesian Networks)
• 47. استنتاج در مدل‌های شبکه‌ای
• 48. یادگیری ماشینی بیزی: مقدمه و مفاهیم
• 49. رگرسیون خطی بیزی برای یادگیری ماشینی
• 50. درخت تصمیم‌گیری بیزی
• 51. بایز ساده (Naive Bayes)
• 52. مدل‌های بیزی برای طبقه‌بندی
• 53. مدل‌های بیزی برای رگرسیون
• 54. بهینه‌سازی در تحلیل بیزی
• 55. مقدمه‌ای بر روش‌های بهینه‌سازی
• 56. بهینه‌سازی با استفاده از MCMC
• 57. بهینه‌سازی با استفاده از روش‌های تقریبی
• 58. تقریب توزیع پسین: تقریب لاپلاس
• 59. تقریب توزیع پسین: روش‌های مبتنی بر شبه‌درست‌نمایی
• 60. تقریب توزیع پسین: روش‌های مبتنی بر تغییرات (Variational Inference)
• 61. روش‌های نمونه‌برداری پیشرفته‌تر
• 62. نمونه‌برداری گیبس (Gibbs Sampling)
• 63. نمونه‌برداری متروپلیس-هستینگز (Metropolis-Hastings)
• 64. نمونه‌برداری تطبیقی (Adaptive MCMC)
• 65. کاربردهای پیشرفته تحلیل بیزی در زیست‌شناسی
• 66. کاربردهای پیشرفته تحلیل بیزی در اقتصاد
• 67. کاربردهای پیشرفته تحلیل بیزی در علوم اجتماعی
• 68. کاربردهای پیشرفته تحلیل بیزی در پزشکی
• 69. کاربردهای پیشرفته تحلیل بیزی در بازاریابی
• 70. مقدمه‌ای بر آمار بیزی غیرپارامتری
• 71. فرآیند گاوسی (Gaussian Process): مقدمه و کاربرد
• 72. مدل‌سازی با فرآیند گاوسی
• 73. تحلیل داده‌های بزرگ (Big Data) با رویکرد بیزی
• 74. روش‌های موازی‌سازی در تحلیل بیزی
• 75. محاسبات توزیع‌شده برای تحلیل بیزی
• 76. مفاهیم پیشرفته MCMC: ترکیب زنجیره‌ها و thin کردن
• 77. مدل‌سازی با داده‌های پیچیده: مثال‌های کاربردی
• 78. مدل‌سازی چندمتغیره بیزی
• 79. مدل‌سازی با داده‌های نامتعادل
• 80. مدل‌سازی پویای (Dynamic Modeling) بیزی
• 81. مقدمه‌ای بر کتاب "Bayesian Data Analysis"
• 82. مروری بر فصل‌های کلیدی کتاب "Bayesian Data Analysis"
• 83. مطالعه موردی: تحلیل داده‌های واقعی با رویکرد بیزی
• 84. انتخاب مدل و مقایسه مدل‌ها با استفاده از اطلاعات کتاب
• 85. ایجاد وضوح در مفاهیم پیچیده با کمک کتاب
• 86. کاربرد نرم‌افزارهای مختلف برای اجرای مدل‌ها
• 87. تفسیر نتایج و ارائه گزارش‌های دقیق
• 88. بررسی خطاها و چالش‌های رایج در تحلیل بیزی
• 89. راهکارهای مقابله با چالش‌های موجود
• 90. آینده تحلیل بیزی و گرایش‌های جدید
• 91. اخلاق در تحلیل داده‌های بیزی
• 92. چالش‌های اخلاقی و مسئولیت‌پذیری در داده‌کاوی
• 93. نقش تحلیل بیزی در تصمیم‌گیری‌های مبتنی بر داده
• 94. بهبود فرایند تصمیم‌گیری با استفاده از تحلیل بیزی
• 95. استفاده از تحلیل بیزی در توسعه مدل‌های پیش‌بینی
• 96. ارتباط بین تحلیل بیزی و هوش مصنوعی
• 97. ترکیب تحلیل بیزی با سایر روش‌های آماری
• 98. مبانی ریاضی و آماری مورد نیاز برای تحلیل بیزی
• 99. مروری بر مفاهیم احتمال، آمار و جبر خطی
• 100. ابزارهای مفید برای یادگیری و پیشرفت در تحلیل بیزی