فلش‌کارت‌های آموزشی مدل‌سازی پیشرفته داده‌های طولی چند متغیره با مقادیر صفر اضافی با رویکرد بیزی و کاربرد در علوم سلامت

مدل‌سازی پیشرفته داده‌های طولی: تحلیل‌های کلیدی برای آینده پژوهش در علوم سلامت مدل‌سازی پیشرفته داده‌های طولی: تحلیلی عمیق برای پژوهشگران علوم سلامت معرفی دوره در دنیای پرشتاب امروز، حجم عظیمی از داده...

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 99,988 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌سازی پیشرفته داده‌های طولی چند متغیره با مقادیر صفر اضافی با رویکرد بیزی و کاربرد در علوم سلامت

موضوع کلی: آمار و مدل‌سازی داده‌های طولی

موضوع میانی: مدل‌های کلاس پنهان برای داده‌های طولی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر داده‌های طولی: تعاریف و اهمیت
  • 2. ویژگی‌های اصلی داده‌های طولی: وابستگی درون فردی
  • 3. انواع طرح‌های مطالعاتی طولی: پانل، کوهورت، پیگیری
  • 4. اهداف تحلیل داده‌های طولی: ردیابی تغییرات زمان
  • 5. چالش‌های تحلیل داده‌های طولی: از دست رفتن داده و واریانس ناهمگن
  • 6. سازماندهی داده‌های طولی: فرمت عریض و بلند
  • 7. آماره‌های توصیفی برای داده‌های طولی: میانگین و روند
  • 8. تصویرسازی داده‌های طولی: نمودارهای فردی و گروهی
  • 9. مرور مفاهیم رگرسیون خطی و فرض‌های آن
  • 10. مدل‌های خطی تعمیم‌یافته (GLM) و توزیع‌های پاسخ
  • 11. مقدمه‌ای بر مدل‌های اثرات مختلط (Mixed-Effects Models)
  • 12. مدل‌های خطی با اثرات مختلط (LMM): تعریف و معادله
  • 13. اثرات ثابت و اثرات تصادفی: تمایز و نقش
  • 14. برازش مدل‌های LMM: روش‌های ML و REML
  • 15. انتخاب ساختار کواریانس در مدل‌های LMM
  • 16. مدل‌های خطی تعمیم‌یافته با اثرات مختلط (GLMM)
  • 17. GLMM برای داده‌های باینری: مدل‌های رگرسیون لجستیک طولی
  • 18. GLMM برای داده‌های شمارشی: مدل‌های رگرسیون پواسون طولی
  • 19. مدل‌های معادلات برآورد تعمیم‌یافته (GEE): رویکرد جمعیت-میانگین
  • 20. مقایسه LMM, GLMM و GEE: مزایا و معایب
  • 21. مبانی استنباط بیزی: پارادایم و فلسفه
  • 22. قضیه بیز: فرمول‌بندی و اجزا (پیشین، درستنمایی، پسین)
  • 23. انتخاب توزیع‌های پیشین (Priors): اطلاعاتی و غیر اطلاعاتی
  • 24. استنباط بیزی در برابر استنباط فراوانی‌گرا
  • 25. محاسبات بیزی: چالش‌های انتگرال‌گیری
  • 26. معرفی شبیه‌سازی زنجیره مارکوف مونت کارلو (MCMC)
  • 27. الگوریتم نمونه‌گیری گیبز (Gibbs Sampling)
  • 28. الگوریتم متروپلیس-هاستینگز (Metropolis-Hastings)
  • 29. تشخیص همگرایی زنجیره‌های MCMC: بصری و آماری
  • 30. معیارهای همگرایی: Gelman-Rubin, Heidelberger-Welch
  • 31. طراحی و اجرای مدل‌های بیزی با نرم‌افزارهایی مانند JAGS و Stan
  • 32. تنظیمات هایپرپارامترها و حساسیت‌سنجی
  • 33. معیارهای اطلاعاتی بیزی: DIC و WAIC
  • 34. اعتبارسنجی مدل بیزی و پیش‌بینی‌های پسین
  • 35. مقدمه‌ای بر داده‌های طولی چند متغیره
  • 36. چالش‌های تحلیل داده‌های طولی چند متغیره
  • 37. مدل‌سازی همزمان چندین متغیر پاسخ طولی
  • 38. مدل‌های اثرات مختلط چند متغیره (Multivariate LMM)
  • 39. ماتریس کواریانس در مدل‌های چند متغیره طولی
  • 40. مدل‌سازی خروجی‌های طولی از انواع مختلف (مختلط)
  • 41. وابستگی بین متغیرهای پاسخ در طول زمان
  • 42. مدل‌های رگرسیون چند متغیره بیزی برای داده‌های طولی
  • 43. تفسیر نتایج در مدل‌های چند متغیره بیزی
  • 44. کاربرد مدل‌های چند متغیره در علوم سلامت
  • 45. شناسایی و توصیف صفر اضافی (Excess Zeros) در داده‌ها
  • 46. منابع تولید صفر اضافی: صفر ساختگی و صفر واقعی
  • 47. مدل‌های آمیخته صفر (Zero-Inflated Models): ZIP و ZINB
  • 48. مدل‌های آستانه‌ای (Hurdle Models): رویکرد دو مرحله‌ای
  • 49. مقایسه مدل‌های آمیخته صفر و آستانه‌ای
  • 50. مدل‌های آمیخته صفر برای داده‌های طولی (ZI-GLMM)
  • 51. مدل‌های آستانه‌ای برای داده‌های طولی (Hurdle-GLMM)
  • 52. پیاده‌سازی مدل‌های دارای صفر اضافی در رویکرد بیزی
  • 53. انتخاب توزیع مناسب برای بخش شمارشی در مدل‌های صفر اضافی
  • 54. تفسیر پارامترها در مدل‌های طولی با صفر اضافی بیزی
  • 55. مقدمه‌ای بر ناهمگونی ناپیدا (Unobserved Heterogeneity)
  • 56. مفهوم کلاس‌های پنهان (Latent Classes) و زیر گروه‌ها
  • 57. مدل‌های آمیخته متناهی (Finite Mixture Models)
  • 58. اهداف مدل‌سازی کلاس پنهان: کشف الگوها
  • 59. مدل‌های پروفایل پنهان (Latent Profile Models)
  • 60. تعیین تعداد بهینه کلاس‌های پنهان
  • 61. معیارهای اطلاعاتی برای انتخاب تعداد کلاس: AIC, BIC, BLRT
  • 62. شناسایی مدل‌های کلاس پنهان (Identifiability Issues)
  • 63. ارزیابی برازش مدل‌های کلاس پنهان
  • 64. تفسیر ویژگی‌های هر کلاس پنهان
  • 65. مدل‌های رشد کلاس پنهان (Latent Class Growth Models - LCGM)
  • 66. شناسایی مسیرهای رشد متفاوت در طول زمان
  • 67. مدل‌های آمیخته رشد (Growth Mixture Models - GMM)
  • 68. ترکیب اثرات ثابت و تصادفی با کلاس‌های پنهان
  • 69. افزودن کوواریت‌ها به مدل‌های GMM: تأثیر بر عضویت کلاس
  • 70. کوواریت‌های مستقل از زمان و وابسته به زمان در GMM
  • 71. برآورد عضویت کلاس پسین (Posterior Class Membership)
  • 72. چالش‌های برازش مدل‌های GMM و راهکارهای عملی
  • 73. کاربرد GMM در شناسایی زیر گروه‌های بالینی
  • 74. توسعه‌های GMM: مدل‌های کلاس پنهان چندگروهی
  • 75. رویکرد بیزی به مدل‌های کلاس پنهان (Bayesian Latent Class Models)
  • 76. مزایای استفاده از رویکرد بیزی در LCM
  • 77. مدل‌های کلاس پنهان بیزی برای داده‌های طولی
  • 78. استنباط بیزی برای پارامترهای عضویت کلاس
  • 79. انتخاب توزیع پیشین برای احتمال عضویت کلاس
  • 80. مدل‌سازی ناهمگونی درون کلاسی در چارچوب بیزی
  • 81. تعیین تعداد کلاس‌ها در مدل‌های کلاس پنهان بیزی
  • 82. بررسی همگرایی MCMC در مدل‌های LCM بیزی
  • 83. تفسیر جامع خروجی‌های مدل‌های LCM بیزی
  • 84. پیاده‌سازی مدل‌های LCM بیزی در Stan یا JAGS
  • 85. ادغام مدل‌های کلاس پنهان و مدل‌های صفر اضافی
  • 86. مدل‌های کلاس پنهان بیزی برای داده‌های طولی با صفر اضافی
  • 87. فرمول‌بندی مدل: ترکیب مدل‌های ZI/Hurdle و LCM
  • 88. مدل‌سازی همزمان زیر گروه‌ها و مکانیزم صفر اضافی
  • 89. ساختار سلسله مراتبی مدل و توزیع‌های پیشین مربوطه
  • 90. پیاده‌سازی مدل‌های پیچیده در Stan: نکات و ترفندها
  • 91. نکات مربوط به کدنویسی مدل‌های خاص در Stan
  • 92. بهینه‌سازی تنظیمات MCMC برای مدل‌های با ابعاد بالا
  • 93. تشخیص و رفع مشکلات همگرایی در مدل‌های پیچیده
  • 94. اعتبارسنجی مدل و ارزیابی تناسب با داده‌ها
  • 95. تفسیر پارامترهای کلاس پنهان در حضور صفر اضافی
  • 96. مدل‌سازی اثرات کوواریت بر عضویت کلاس و پاسخ‌های طولی
  • 97. مقدمه‌ای بر مدل مقاله: "A Latent Class Bayesian Model for Multivariate Longitudinal Outcomes with Excess Zeros"
  • 98. چارچوب کلی مدل مقاله و مفروضات آن
  • 99. مدل‌سازی همزمان چندین متغیر پاسخ با صفر اضافی در هر کلاس پنهان
  • 100. فرمول‌بندی دقیق بخش چند متغیره در هر کلاس پنهان
SMART LEARNING PLATFORM
از مطالعه تا یادگیری ماندگار
فراتر از یک مجموعه فلش‌کارت؛ تجربه‌ای تعاملی برای یادگیری، تمرین، مرور هوشمند و مشاهده مسیر پیشرفت شما، همراه با امکان دریافت گواهی پایان دوره در دوره‌های واجد شرایط.
مرور فاصله‌دار آمار یادگیری گواهی دوزبانه
یادگیری را به یک مسیر قابل پیگیری تبدیل کنید
با ورود به سامانه آموزشی، محتوای دوره را به‌صورت مرحله‌ای دنبال کنید، فلش‌کارت‌ها را مرور کنید، دانش خود را با پرسش‌ها و آزمون‌ها بسنجید و روند پیشرفتتان را در طول مسیر ببینید.
⟳
مرور فاصله‌دار هوشمند
با مرور زمان‌دار، کارت‌های تازه و کارت‌های سررسیدشده را بر اساس برنامه مرور دنبال کنید. ارزیابی پاسخ‌ها به زمان‌بندی مرورهای بعدی کمک می‌کند تا تمرین متناسب‌تری داشته باشید.
◉
مشاهده مسیر پیشرفت
میزان مشاهده فلش‌کارت‌ها، فعالیت‌های مرور، عملکرد آزمون‌ها و آمار یادگیری را بررسی کنید و تصویر روشن‌تری از مسیر آموزشی خود داشته باشید.
▤
یادگیری مرحله‌به‌مرحله
فصل‌ها و بخش‌های آموزشی را به ترتیب دنبال کنید، مطالب دیده‌نشده را پیدا کنید و بدون سردرگمی به ادامه مسیر برگردید.
✓
تمرین و سنجش آموخته‌ها
با نکته‌های آموزشی، پرسش و پاسخ، کوییزها و آزمون‌های پایان فصل، دانسته‌های خود را تمرین کنید و بخش‌هایی را که به توجه بیشتری نیاز دارند بشناسید.
SMART REVIEW
هر بار، مرور هدفمندتر
لازم نیست هر روز از ابتدا درباره اینکه چه چیزی را مرور کنید تصمیم بگیرید. سامانه، صف مرور روزانه را بر اساس کارت‌های تازه و موعد مرور کارت‌ها آماده می‌کند. شما پاسخ را ارزیابی می‌کنید و برنامه مرور با توجه به آن تنظیم می‌شود.
دوباره
برای کارت‌هایی که به تمرین زودتر نیاز دارند.
سخت
برای پاسخ‌هایی که با دشواری به یاد آمده‌اند.
خوب
برای پاسخ‌هایی که به‌درستی به یاد آورده‌اید.
آسان
برای کارت‌هایی که پاسخ آن‌ها را به‌آسانی می‌دانید.
برنامه مرور بر اساس ارزیابی شما تنظیم می‌شود؛ مرور منظم می‌تواند به تثبیت آموخته‌ها کمک کند، اما به‌تنهایی تضمین‌کننده تسلط کامل نیست.
محتوا را به شیوه‌های مختلف تمرین کنید
ساختار دوره‌ها متناسب با موضوع آموزشی طراحی شده است و ممکن است انواع مختلفی از محتوا را در بر بگیرد.
نکته‌های ساده
برای مرور سریع مفاهیم اصلی و نکات کلیدی.
نکته‌های رسمی
برای تمرین تعاریف، اصطلاحات و بیان دقیق علمی.
کوییز
برای سنجش درک مطلب و بررسی گزینه صحیح.
پرسش و پاسخ
برای تمرین یادآوری و سنجش میزان تسلط بر مطالب.
محتوای هر دوره بر اساس ساختار و امکانات فعال همان دوره ارائه می‌شود.
LEARN ANYWHERE
همراه شما روی مرورگر
برای استفاده از نسخه تحت وب، کافی است با حساب کاربری خود وارد سامانه شوید. بدون نیاز به نصب یک برنامه اختصاصی، می‌توانید از مرورگر سازگار روی گوشی، تبلت یا رایانه به دوره‌های در دسترس خود مراجعه کنید.
گوشی هوشمند
برای مطالعه در زمان‌های کوتاه
تبلت و لپ‌تاپ
برای مطالعه و مرور راحت‌تر
حساب کاربری شخصی
برای دسترسی به دوره‌های مجاز شما
COURSE COMPLETION CERTIFICATE
گواهی پایان دوره؛ ثبت دستاورد شما
در دوره‌هایی که امکان دریافت گواهی برای آن‌ها فعال است، می‌توانید پس از تکمیل شرایط آموزشی، درخواست گواهی پایان دوره ثبت کنید.
شرایط درخواست گواهی
✓ داشتن دسترسی دارای قابلیت گواهی برای دوره مربوطه.
✓ تکمیل اطلاعات لازم در پروفایل، شامل کد ملی معتبر، عکس پرسنلی و نام و نام خانوادگی انگلیسی.
✓ مشاهده تمام فلش‌کارت‌های فعال دوره.
✓ قبولی در آزمون‌های پایان فصل، در صورت وجود آزمون برای فصل‌ها.
فارسی و انگلیسی
پس از تأیید و انتشار، نسخه‌های فارسی و انگلیسی گواهی در دسترس قرار می‌گیرند.
استعلام آنلاین
گواهی منتشرشده دارای QR Code و لینک اختصاصی برای بررسی آنلاین اعتبار آن است.
دانلود و چاپ
پس از انتشار گواهی، امکان دریافت نسخه PDF فارسی و انگلیسی و چاپ آن فراهم است.
توجه: ثبت درخواست به معنای صدور قطعی نیست. درخواست گواهی پس از بررسی و تأیید ادمین منتشر می‌شود. این گواهی، گواهی پایان دوره آموزشی است و به‌خودی‌خود معادل مدرک دانشگاهی یا مدرک رسمی مورد تأیید نهادهای دولتی نیست.
یادگیری را شروع کنید؛ پیشرفت را دنبال کنید
با تمرین منظم، مرور هدفمند و پیگیری مسیر آموزشی خود، قدم‌به‌قدم دانش و مهارت‌هایتان را گسترش دهید.
هر کارت، یک قدم به جلو
امکانات محتوایی، مرور و گواهی بر اساس سطح دسترسی و تنظیمات هر دوره متفاوت است.
نگاهی به محیط سامانه

یادگیری هوشمند، قدم‌به‌قدم

با محیط سامانه آموزشی آشنا شوید و نمونه‌هایی از فضای یادگیری، فلش‌کارت‌ها و ابزارهای مرور و تمرین را مشاهده کنید.

تصویر نمونه اول از سامانه آموزشی و فلش‌کارت‌ها
محیط سامانه آموزشی
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه دوم از سامانه آموزشی و فلش‌کارت‌ها
یادگیری و مرور مطالب
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه سوم از سامانه آموزشی و فلش‌کارت‌ها
تجربه مطالعه تعاملی
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه چهارم از سامانه آموزشی و فلش‌کارت‌ها
امکانات بیشتر سامانه
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید

یادگیری فراتر از مطالعه معمولی
با فلش‌کارت‌های آموزشی، مرور هدفمند و تمرین مستمر، مطالب را فعالانه یاد بگیرید و مسیر پیشرفت خود را دنبال کنید.

تگ‌ها: Bayesian Statistics Excess Zeros Health Sciences Applications Latent Class Models Longitudinal Data multivariate data آمار سلامت تحلیل داده داده‌های چند متغیره داده‌های طولی مدل کلاس پنهان مدل‌سازی آماری مدل‌سازی بیزی مقادیر صفر اضافی یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.