فلش‌کارت‌های آموزشی پشتیبانی از توزیع‌های پیوسته پیچیده در MCMC

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پشتیبانی از توزیع‌های پیوسته پیچیده در MCMC

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

موضوع میانی: پشتیبانی از انواع توزیع‌ها و مدل‌ها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر توزیع‌های پیوسته پیچیده
• 2. مبانی نظری توزیع‌های احتمال چندمتغیره
• 3. توزیع نرمال چندمتغیره و خواص آن
• 4. توزیع t چندمتغیره و کاربردهای آن
• 5. توزیع‌های خانواده کِی (K-family distributions)
• 6. توزیع‌های پیوسته متقارن
• 7. توزیع‌های پیوسته نامتقارن
• 8. توزیع‌های گاما چندمتغیره
• 9. توزیع‌های بتا چندمتغیره
• 10. توزیع‌های کای‌دو چندمتغیره
• 11. توزیع‌های ناپارامتریک پیوسته
• 12. روش‌های نمونه‌برداری مارکوف چین مونت کارلو (MCMC)
• 13. مبانی نظری MCMC
• 14. الگوریتم متروپولیس-هستینگز
• 15. الگوریتم گیبز سمپلینگ
• 16. ارزیابی همگرایی در MCMC
• 17. معیارهای تشخیص همگرایی
• 18. کاهش همبستگی بین متغیرها در MCMC
• 19. کاهش واریانس در MCMC
• 20. استفاده از MCMC برای تخمین پارامترها
• 21. توزیع‌های پسین (Posterior Distributions)
• 22. استنتاج بیزی با استفاده از MCMC
• 23. تخمین فواصل اطمینان بیزی
• 24. مدل‌سازی آماری با MCMC
• 25. مدل‌های خطی تعمیم‌یافته (GLMs) با MCMC
• 26. مدل‌های سلسله‌مراتبی با MCMC
• 27. مدل‌های فضایی با MCMC
• 28. مدل‌های سری زمانی با MCMC
• 29. مدل‌های بقا با MCMC
• 30. تحلیل داده‌های گمشده با MCMC
• 31. مدل‌سازی توزیع‌های پیوسته پیچیده
• 32. توزیع‌های مخلوط (Mixture Distributions)
• 33. توزیع‌های مخلوط گوسی
• 34. توزیع‌های مخلوط نامتقارن
• 35. مدل‌سازی توزیع‌های پیوسته با استفاده از توزیع‌های مخلوط
• 36. کاربرد MCMC در مدل‌سازی توزیع‌های مخلوط
• 37. بهینه‌سازی پارامترهای توزیع‌های مخلوط با MCMC
• 38. توزیع‌های پیوسته با ساختار وابستگی پیچیده
• 39. مدل‌های گرافیکی احتمالی (PGMs)
• 40. شبکه‌های بیزی (Bayesian Networks)
• 41. میدان‌های تصادفی مارکوف (Markov Random Fields)
• 42. استفاده از MCMC در مدل‌های گرافیکی
• 43. نمونه‌برداری از شبکه‌های بیزی
• 44. نمونه‌برداری از میدان‌های تصادفی مارکوف
• 45. مدل‌سازی توزیع‌های پیوسته پیچیده در شبکه‌های بیزی
• 46. مدل‌سازی توزیع‌های پیوسته پیچیده در میدان‌های تصادفی مارکوف
• 47. توزیع‌های پیوسته غیرخطی
• 48. مدل‌های غیرخطی تعمیم‌یافته
• 49. مدل‌های درخت تصمیم‌گیری احتمالی
• 50. مدل‌های جنگل تصادفی احتمالی
• 51. استفاده از MCMC در مدل‌های غیرخطی
• 52. تخمین پارامترهای مدل‌های غیرخطی با MCMC
• 53. ارزیابی عملکرد مدل‌های غیرخطی با MCMC
• 54. توزیع‌های پیوسته با اطلاعات مکانی
• 55. مدل‌های آماری فضایی
• 56. مدل‌های کریجینگ
• 57. مدل‌های ژئواستاتیستیکی
• 58. استفاده از MCMC در مدل‌سازی فضایی
• 59. نمونه‌برداری از توزیع‌های فضایی پیچیده
• 60. تخمین مقادیر ناشناخته در مناطق فضایی با MCMC
• 61. توزیع‌های پیوسته با اطلاعات زمانی
• 62. مدل‌های سری زمانی پیچیده
• 63. مدل‌های اتورگرسیو (AR) و میانگین متحرک (MA)
• 64. مدل‌های ARIMA و SARIMA
• 65. استفاده از MCMC در مدل‌سازی سری زمانی
• 66. نمونه‌برداری از توزیع‌های سری زمانی پیچیده
• 67. پیش‌بینی سری‌های زمانی با MCMC
• 68. توزیع‌های پیوسته در علوم زیستی
• 69. مدل‌سازی داده‌های ژنتیکی با MCMC
• 70. مدل‌سازی داده‌های اپیدمیولوژیکی با MCMC
• 71. مدل‌سازی داده‌های بالینی با MCMC
• 72. توزیع‌های پیوسته در علوم اقتصادی
• 73. مدل‌سازی ریسک مالی با MCMC
• 74. مدل‌سازی رفتار مصرف‌کننده با MCMC
• 75. مدل‌سازی بازار با MCMC
• 76. توزیع‌های پیوسته در علوم اجتماعی
• 77. تحلیل داده‌های پیمایشی با MCMC
• 78. مدل‌سازی شبکه‌های اجتماعی با MCMC
• 79. تحلیل داده‌های کیفی با MCMC
• 80. توزیع‌های پیوسته در مهندسی
• 81. مدل‌سازی قابلیت اطمینان با MCMC
• 82. مدل‌سازی عملکرد سیستم با MCMC
• 83. بهینه‌سازی فرآیندها با MCMC
• 84. روش‌های پیشرفته MCMC
• 85. نمونه‌گیری با اهمیت (Importance Sampling)
• 86. نمونه‌گیری از اهمیت تئوری (Annealed Importance Sampling)
• 87. روش‌های MCMC مبتنی بر خانواده‌های پارامتریک
• 88. روش‌های MCMC مبتنی بر خانواده‌های نیمه‌پارامتریک
• 89. روش‌های MCMC مبتنی بر خانواده‌های ناپارامتریک
• 90. تکنیک‌های تسریع MCMC
• 91. تعمیم MCMC به فضاهای با ابعاد بالا
• 92. کاربرد MCMC در مسائل بهینه‌سازی
• 93. کاربرد MCMC در یادگیری ماشین
• 94. کاربرد MCMC در پردازش تصویر
• 95. کاربرد MCMC در پردازش زبان طبیعی
• 96. کاربرد MCMC در علوم محاسباتی
• 97. روش‌های ارزیابی و اعتبارسنجی مدل‌های MCMC
• 98. مقایسه مدل‌های مختلف MCMC
• 99. انتخاب مدل مناسب با استفاده از معیارهای بیزی
• 100. ملاحظات عملی در پیاده‌سازی MCMC