فلش‌کارت‌های آموزشی تحلیل داده‌های پیچیده با رویکرد بیزی: از مدل‌سازی متغیرهای پنهان تا الگوریتم‌های شبیه‌سازی MCMC

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل داده‌های پیچیده با رویکرد بیزی: از مدل‌سازی متغیرهای پنهان تا الگوریتم‌های شبیه‌سازی MCMC

موضوع کلی: علوم داده و آمار محاسباتی

موضوع میانی: استنباط آماری پیشرفته و مدل‌سازی احتمالی

📋 سرفصل‌های دوره

• 1. مبانی احتمالات بیزی و بازنگری در قضایای پایه
• 2. ساختار استنباط بیزی و توزیع‌های پیشین مزدوج
• 3. تحلیل حساسیت و انتخاب توزیع‌های پیشین غیرآگاهانه
• 4. روش‌های تقریب لاپلاس در استنباط آماری
• 5. مبانی مدل‌های سلسله‌مراتبی بیزی
• 6. پیاده‌سازی مدل‌های خطی تعمیم‌یافته با رویکرد بیزی
• 7. درک و مدل‌سازی متغیرهای پنهان در تحلیل داده
• 8. تحلیل ساختاری متغیرهای مخدوش‌کننده در مدل‌های احتمالی
• 9. مدل‌های آمیخته بیزی برای داده‌های ناهمگن
• 10. روش‌های نمونه‌گیری مونت‌کارلو در زنجیره مارکوف
• 11. الگوریتم متروپلیس-هستینگز و همگرایی زنجیره‌ها
• 12. نمونه‌گیر گیبس و کاربرد آن در مدل‌های چندمتغیره
• 13. الگوریتم هامیلتونی مونت‌کارلو برای فضای پارامترهای پیچیده
• 14. تشخیص همگرایی و ارزیابی کیفیت نمونه‌گیری زنجیره‌ها
• 15. مقایسه مدل‌ها با استفاده از فاکتور بیز
• 16. معیار اطلاعاتی انحراف در ارزیابی مدل‌های بیزی
• 17. میانگین‌گیری مدل‌های بیزی برای کاهش عدم قطعیت
• 18. پیش‌بینی بیزی و توزیع پیش‌گویانه پسین
• 19. مدل‌سازی بیزی برای داده‌های سری زمانی
• 20. تحلیل بیزی داده‌های بقا و مدل‌های مخاطره
• 21. مدل‌سازی فضایی و داده‌های وابسته به مکان
• 22. کاربرد استنباط بیزی در یادگیری ماشین سلسله‌مراتبی
• 23. بهینه‌سازی پارامترهای مدل با روش‌های تغییراتی
• 24. استنباط بیزی غیرپارامتریک و فرآیندهای گاوسی
• 25. استفاده از فرآیندهای دیریکله در خوشه‌بندی بیزی
• 26. مدل‌سازی بیزی داده‌های گمشده
• 27. ارزیابی مدل‌های بیزی با استفاده از تحلیل پسین پیش‌گویانه
• 28. پیاده‌سازی محاسبات بیزی با استفاده از نرم‌افزارهای تخصصی
• 29. تفسیر نتایج و گزارش‌دهی آماری در چارچوب بیزی
• 30. چالش‌های محاسباتی در مدل‌های بیزی با ابعاد بالا