فلش‌کارت‌های آموزشی پیاده‌سازی عملی استنتاج تقریبی بیزی با MCMC

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیاده‌سازی عملی استنتاج تقریبی بیزی با MCMC

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

موضوع میانی: استنتاج تقریبی بیزی (Approximate Bayesian Inference)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مفاهیم بیزی و احتمال
• 2. اصول استنتاج آماری
• 3. مبانی نظریه احتمال
• 4. متغیرهای تصادفی و توزیع‌های احتمال
• 5. توزیع‌های گسسته و پیوسته
• 6. قضیه بیز و کاربردهای آن
• 7. استنتاج بیزی: مفاهیم و رویکردها
• 8. مدل‌های بیزی مقدماتی
• 9. فرآیندهای تصادفی و مدل‌سازی
• 10. مقدمه‌ای بر زنجیره‌های مارکوف
• 11. فرآیندهای مارکوف زمان گسسته
• 12. فرآیندهای مارکوف زمان پیوسته
• 13. مقدمه‌ای بر شبیه‌سازی مونت کارلو
• 14. روش‌های نمونه‌گیری در مونت کارلو
• 15. مقدمه‌ای بر روش‌های زنجیره مارکوف مونت کارلو (MCMC)
• 16. الگوریتم متروپلیس-هستینگز
• 17. پیاده‌سازی الگوریتم متروپلیس-هستینگز
• 18. الگوریتم گیبس سمپلینگ
• 19. پیاده‌سازی الگوریتم گیبس سمپلینگ
• 20. مقایسه الگوریتم‌های MCMC
• 21. ارزیابی همگرایی در MCMC
• 22. تشخیص همگرایی در زنجیره‌های مارکوف
• 23. معیارهای ارزیابی همگرایی
• 24. روش‌های کاهش وابستگی نمونه‌ها
• 25. کاهش واریانس در MCMC
• 26. روش‌های نمونه‌گیری با اهمیت
• 27. تکنیک‌های نمونه‌گیری پیشرفته
• 28. مدل‌سازی سری‌های زمانی بیزی
• 29. استنتاج بیزی در مدل‌های خطی
• 30. مدل‌های رگرسیون بیزی
• 31. مدل‌های طبقه‌بندی بیزی
• 32. مدل‌های عمومی خطی تعمیم‌یافته بیزی
• 33. مدل‌های سلسله مراتبی بیزی
• 34. پیاده‌سازی مدل‌های سلسله مراتبی
• 35. مدل‌سازی شبکه‌های بیزی
• 36. استنتاج در شبکه‌های بیزی
• 37. یادگیری ساختار شبکه‌های بیزی
• 38. شبکه‌های بیزی پویا
• 39. مدل‌سازی گرافیکی احتمالی
• 40. مقدمه‌ای بر نرم‌افزارهای آماری بیزی
• 41. استفاده از Stan برای MCMC
• 42. استفاده از PyMC3 برای MCMC
• 43. استفاده از JAGS برای MCMC
• 44. مقایسه ابزارهای نرم‌افزاری MCMC
• 45. کاربرد MCMC در علوم داده
• 46. کاربرد MCMC در مالی
• 47. کاربرد MCMC در زیست‌شناسی
• 48. کاربرد MCMC در علوم اجتماعی
• 49. کاربرد MCMC در مهندسی
• 50. کاربرد MCMC در پردازش سیگنال
• 51. کاربرد MCMC در بینایی ماشین
• 52. کاربرد MCMC در رباتیک
• 53. کاربرد MCMC در بهینه‌سازی
• 54. مقدمه‌ای بر استنتاج بیزی تقریبی
• 55. روش‌های تقریبی استنتاج بیزی
• 56. روش‌های واریانس‌گیری (Variational Inference)
• 57. مقایسه MCMC و واریانس‌گیری
• 58. تکنیک‌های نمونه‌گیری از توزیع‌های پیچیده
• 59. مدل‌های آماری پیشرفته
• 60. مفاهیم پیشرفته در نظریه احتمال
• 61. مسائل مربوط به داده‌های پرت و نویز
• 62. مدل‌سازی داده‌های گمشده با رویکرد بیزی
• 63. روش‌های پیشرفته برای ارزیابی مدل
• 64. انتخاب مدل بیزی
• 65. اعتبارسنجی متقابل بیزی
• 66. مقدمه‌ای بر یادگیری ماشین بیزی
• 67. یادگیری ماشین بیزی با شبکه‌های عصبی
• 68. مدل‌های بیزی در یادگیری عمیق
• 69. روش‌های MCMC در شبکه‌های عصبی عمیق
• 70. کاربرد MCMC در پردازش زبان طبیعی
• 71. کاربرد MCMC در سیستم‌های توصیه‌گر
• 72. کاربرد MCMC در تشخیص ناهنجاری
• 73. کاربرد MCMC در تحلیل شبکه‌های اجتماعی
• 74. مقدمه‌ای بر روش‌های بیزی پیشرفته
• 75. روش‌های نمونه‌گیری با تکرار (Resampling)
• 76. مدل‌سازی داده‌های خوشه‌ای بیزی
• 77. مدل‌سازی داده‌های فضایی بیزی
• 78. مدل‌سازی داده‌های زمانی-فضایی بیزی
• 79. مقدمه‌ای بر محاسبات بیزی
• 80. معماری‌های محاسباتی برای بیزی
• 81. استفاده از GPU برای MCMC
• 82. ملاحظات عملی در پیاده‌سازی MCMC
• 83. نکات مهم در انتخاب مدل بیزی
• 84. حل مسائل واقعی با MCMC
• 85. مطالعه موردی: تحلیل داده‌های پزشکی با MCMC
• 86. مطالعه موردی: مدل‌سازی ریسک اعتباری با MCMC
• 87. مطالعه موردی: پیش‌بینی بازار سهام با MCMC
• 88. مطالعه موردی: تحلیل داده‌های ژنتیکی با MCMC
• 89. مطالعه موردی: بهینه‌سازی فرآیندهای صنعتی با MCMC
• 90. مقدمه‌ای بر مباحث پیشرفته‌تر در MCMC
• 91. روش‌های MCMC موازی
• 92. محدودیت‌های روش‌های MCMC
• 93. آینده استنتاج بیزی تقریبی
• 94. روندهای پژوهشی در MCMC
• 95. پیشرفت‌ها در الگوریتم‌های MCMC
• 96. کاربرد MCMC در علوم کامپیوتر
• 97. کاربرد MCMC در امنیت سایبری
• 98. کاربرد MCMC در سیستم‌های توزیع‌شده
• 99. کاربرد MCMC در تجزیه و تحلیل داده‌های بزرگ