فلش‌کارت‌های آموزشی شبیه‌سازی و استنتاج در مدل‌های سلسله مراتبی بیزی با MCMC

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شبیه‌سازی و استنتاج در مدل‌های سلسله مراتبی بیزی با MCMC

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

موضوع میانی: مدل‌های سلسله مراتبی بیزی (Bayesian Hierarchical Models)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌های سلسله مراتبی بیزی
• 2. مبانی استنتاج بیزی
• 3. نظریه احتمال و توزیع‌های احتمال
• 4. توزیع‌های پیشین و پسین
• 5. قضیه بیز
• 6. مقدمه‌ای بر روش مونت کارلو زنجیره مارکوف (MCMC)
• 7. مفاهیم اساسی MCMC
• 8. الگوریتم متروپلیس-هستینگز
• 9. الگوریتم گیبس سمپلینگ
• 10. ارزیابی همگرایی در MCMC
• 11. تشخیص همگرایی
• 12. معیارهای همگرایی
• 13. مدل‌های خطی سلسله مراتبی
• 14. مدل‌های رگرسیون سلسله مراتبی
• 15. مدل‌های طبقه‌بندی سلسله مراتبی
• 16. مدل‌های سلسله مراتبی برای داده‌های شمارشی
• 17. مدل‌های سلسله مراتبی برای داده‌های گسسته
• 18. مدل‌های سلسله مراتبی برای داده‌های پیوسته
• 19. مدل‌های سلسله مراتبی برای داده‌های طولانی‌مدت
• 20. مدل‌های سلسله مراتبی برای تحلیل بقا
• 21. مدل‌های سلسله مراتبی برای شبکه‌های اجتماعی
• 22. مدل‌های سلسله مراتبی برای تحلیل سری‌های زمانی
• 23. مدل‌های سلسله مراتبی برای داده‌های مکانی
• 24. مدل‌های سلسله مراتبی برای داده‌های تصویری
• 25. مقدمه‌ای بر نرم‌افزار Stan
• 26. نصب و راه‌اندازی Stan
• 27. نوشتن مدل در زبان Stan
• 28. کامپایل و اجرای مدل‌های Stan
• 29. تجسم نتایج در Stan
• 30. مقدمه‌ای بر نرم‌افزار PyMC3
• 31. نصب و راه‌اندازی PyMC3
• 32. نوشتن مدل در PyMC3
• 33. اجرای مدل‌های PyMC3
• 34. تجسم نتایج در PyMC3
• 35. مقدمه‌ای بر نرم‌افزار JAGS
• 36. نصب و راه‌اندازی JAGS
• 37. نوشتن مدل در زبان BUGS
• 38. اجرای مدل‌های JAGS
• 39. تجسم نتایج در JAGS
• 40. مدل‌های سلسله مراتبی برای پیش‌بینی
• 41. ارزیابی مدل‌های پیش‌بینی
• 42. انتخاب مدل مناسب
• 43. بهینه‌سازی پارامترهای مدل
• 44. کاهش ابعاد در مدل‌های سلسله مراتبی
• 45. انتخاب ویژگی در مدل‌های سلسله مراتبی
• 46. یادگیری ماشین بیزی
• 47. شبکه‌های عصبی بیزی
• 48. مدل‌های گرافیکی بیزی
• 49. استنتاج در مدل‌های گرافیکی
• 50. مدل‌های موضوعی بیزی
• 51. مدل‌های پنهان مارکوف بیزی
• 52. مدل‌های سلسله مراتبی برای داده‌های ناهمگن
• 53. مدل‌های سلسله مراتبی برای داده‌های ناقص
• 54. مدل‌های سلسله مراتبی برای داده‌های با نویز
• 55. مدل‌های سلسله مراتبی برای داده‌های ساختاریافته
• 56. مدل‌های سلسله مراتبی برای داده‌های ترکیبی
• 57. مدل‌های سلسله مراتبی برای یادگیری تقویتی
• 58. مدل‌های سلسله مراتبی برای پردازش زبان طبیعی
• 59. مدل‌های سلسله مراتبی برای بینایی ماشین
• 60. مدل‌های سلسله مراتبی برای اقتصاد سنجی
• 61. مدل‌های سلسله مراتبی برای زیست‌شناسی محاسباتی
• 62. مدل‌های سلسله مراتبی برای علوم اجتماعی
• 63. مدل‌های سلسله مراتبی برای علوم محیطی
• 64. مدل‌های سلسله مراتبی برای علوم پزشکی
• 65. کاربرد مدل‌های سلسله مراتبی در پژوهش‌های علمی
• 66. مطالعات موردی در مدل‌های سلسله مراتبی
• 67. چالش‌های عملی در پیاده‌سازی MCMC
• 68. نکات پیشرفته در MCMC
• 69. روش‌های نمونه‌برداری پیشرفته
• 70. مدل‌های سلسله مراتبی پویا
• 71. مدل‌های سلسله مراتبی با پارامترهای متغیر در زمان
• 72. مدل‌های سلسله مراتبی برای تحلیل داده‌های چند سطحی
• 73. مدل‌های سلسله مراتبی برای داده‌های هرمی
• 74. مدل‌های سلسله مراتبی برای مقایسه گروه‌ها
• 75. مدل‌های سلسله مراتبی برای تحلیل اثرات متقابل
• 76. مدل‌های سلسله مراتبی برای مدل‌سازی عدم قطعیت
• 77. مدل‌های سلسله مراتبی برای استنتاج علّی
• 78. مدل‌های سلسله مراتبی برای تشخیص ناهنجاری
• 79. مدل‌های سلسله مراتبی برای سیستم‌های توصیه‌گر
• 80. مدل‌های سلسله مراتبی برای تجزیه و تحلیل شبکه‌های پیچیده
• 81. مدل‌های سلسله مراتبی برای مدل‌سازی تصمیم‌گیری
• 82. مدل‌های سلسله مراتبی برای تجزیه و تحلیل داده‌های بزرگ
• 83. استنتاج بیزی در یادگیری عمیق
• 84. کاربرد MCMC در علوم داده
• 85. نکات مهم در انتخاب و اجرای الگوریتم‌های MCMC
• 86. مدل‌های سلسله مراتبی برای داده‌های چند متغیره
• 87. پیشرفت‌های اخیر در مدل‌های سلسله مراتبی بیزی
• 88. ملاحظات اخلاقی در استفاده از مدل‌های بیزی
• 89. آینده مدل‌های سلسله مراتبی بیزی و MCMC
• 90. مدل‌سازی بیزی در عمل: گام به گام
• 91. تجسم پیشرفته نتایج MCMC
• 92. استنتاج بایگان در مدل‌های سلسله مراتبی
• 93. مدل‌های بیزی برای داده‌های پرتعداد
• 94. روش‌های ارزیابی کیفیت مدل‌های بیزی
• 95. کاربرد MCMC در بهینه‌سازی بیزی
• 96. تکنیک‌های پیشرفته در زبان Stan
• 97. نکات کاربردی در PyMC3
• 98. مدل‌های سلسله مراتبی با ساختار پیچیده
• 99. استنتاج در مدل‌های بیزی غیرپارامتری
• 100. بهینه‌سازی الگوریتم‌های MCMC