فلش‌کارت‌های آموزشی قابلیت MCMC در مدل‌سازی آماری بیزی با داده‌های نامتوازن

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره قابلیت MCMC در مدل‌سازی آماری بیزی با داده‌های نامتوازن

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

موضوع میانی: پشتیبانی از انواع توزیع‌ها و مدل‌ها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی آماری بیزی
• 2. احتمالات پایه و قضایای اساسی
• 3. توزیع‌های احتمال گسسته و پیوسته
• 4. مفهوم بیز و قضیه بیز
• 5. مقدمه‌ای بر روش‌های مونت کارلو
• 6. روش زنجیره مارکوف مونت کارلو (MCMC)
• 7. الگوریتم Metropolis-Hastings
• 8. الگوریتم Gibbs Sampling
• 9. تشخیص همگرایی در MCMC
• 10. اندازه‌گیری و ارزیابی همگرایی
• 11. مدل‌سازی با داده‌های نامتوازن: چالش‌ها و راهکارها
• 12. تکنیک‌های نمونه‌برداری بیش از حد (Oversampling)
• 13. تکنیک‌های نمونه‌برداری کمتر از حد (Undersampling)
• 14. استفاده از توابع هزینه حساس به کلاس (Cost-Sensitive Learning)
• 15. روش‌های ترکیبی نمونه‌برداری
• 16. ارزیابی مدل در داده‌های نامتوازن: معیارهای مناسب
• 17. ماتریس درهم‌ریختگی و دقت
• 18. منحنی ROC و AUC
• 19. Precision و Recall
• 20. F1-score و تعادل Precision و Recall
• 21. پیاده‌سازی MCMC برای مدل‌های رگرسیون لجستیک
• 22. MCMC در مدل‌های رگرسیون پواسون
• 23. MCMC برای مدل‌های طبقه‌بندی بیزی
• 24. MCMC در مدل‌های انتخاب متغیر
• 25. MCMC و مدل‌های چندمتغیره
• 26. MCMC در مدل‌های سلسله مراتبی
• 27. استفاده از MCMC در مدل‌های بقا
• 28. MCMC برای تخمین پارامترهای توزیع‌های غیر نرمال
• 29. MCMC و بهینه‌سازی بیزی
• 30. مدل‌سازی بیزی با استفاده از نرم‌افزار Stan
• 31. مدل‌سازی بیزی با استفاده از R و بسته JAGS
• 32. مدل‌سازی بیزی با استفاده از PyMC3
• 33. کاربرد MCMC در تشخیص پزشکی
• 34. MCMC در تحلیل ریسک مالی
• 35. MCMC و پیش‌بینی سری‌های زمانی
• 36. MCMC در تحلیل داده‌های ژنتیکی
• 37. MCMC در پردازش زبان طبیعی
• 38. MCMC و یادگیری ماشین
• 39. MCMC برای خوشه‌بندی داده‌ها
• 40. MCMC در کاهش ابعاد داده‌ها
• 41. MCMC و انتخاب ویژگی
• 42. MCMC در مدل‌سازی گرافیکی
• 43. MCMC و شبکه‌های بیزی
• 44. MCMC و مدل‌سازی مخلوط
• 45. MCMC در تحلیل فضایی
• 46. MCMC و تحلیل تصاویر
• 47. MCMC و تحلیل داده‌های مکانی-زمانی
• 48. MCMC برای مدل‌سازی داده‌های پنهان مارکوف
• 49. MCMC و مدل‌سازی فرآیندهای نقطه‌ای
• 50. MCMC و تحلیل داده‌های بقای سانسور شده
• 51. مقدمه‌ای بر روش‌های تقریبی بیزی
• 52. روش Laplace Approximation
• 53. روش Variational Inference
• 54. مقایسه MCMC با روش‌های تقریبی
• 55. بهینه‌سازی MCMC: تکنیک‌های بهبود کارایی
• 56. تنظیم پارامترهای MCMC
• 57. تشخیص و رفع مشکلات MCMC
• 58. استفاده از MCMC در مقیاس بزرگ
• 59. محاسبات موازی در MCMC
• 60. MCMC و یادگیری عمیق بیزی
• 61. مدل‌سازی بیزی برای داده‌های بزرگ
• 62. MCMC و داده‌های جریان‌دار
• 63. MCMC و یادگیری تقویتی بیزی
• 64. MCMC در کنترل بهینه
• 65. MCMC و تصمیم‌گیری تحت عدم قطعیت
• 66. MCMC و مسائل بهینه‌سازی ترکیبی
• 67. MCMC و مسائل برنامه‌ریزی ریاضی
• 68. MCMC و مدل‌سازی شبیه‌سازی
• 69. کاربرد MCMC در علوم مهندسی
• 70. MCMC در علوم محیطی
• 71. MCMC و مدل‌سازی اقلیمی
• 72. MCMC در علوم اجتماعی
• 73. MCMC و تحلیل نظرسنجی‌ها
• 74. MCMC و مدل‌سازی اقتصادی
• 75. MCMC و تحلیل بازار
• 76. MCMC در مدل‌سازی جمعیت
• 77. MCMC و مدل‌سازی بیماری‌های عفونی
• 78. MCMC و ارزیابی سیاست‌ها
• 79. MCMC در تحلیل شبکه‌های اجتماعی
• 80. MCMC و تحلیل داده‌های حسگر
• 81. MCMC و اینترنت اشیا
• 82. MCMC و داده‌کاوی
• 83. MCMC و هوش مصنوعی
• 84. MCMC و یادگیری ماشین قابل توضیح
• 85. MCMC و یادگیری ماشین مقاوم
• 86. MCMC و یادگیری ماشین فدرال
• 87. MCMC و یادگیری ماشین خودآموز
• 88. MCMC و یادگیری ماشین انتقالی
• 89. MCMC و یادگیری ماشین فعال
• 90. MCMC و یادگیری ماشین نیمه‌نظارتی
• 91. MCMC و یادگیری ماشین نظارتی
• 92. MCMC و یادگیری ماشین بدون نظارت
• 93. MCMC و یادگیری ماشین تقویتی
• 94. MCMC و یادگیری ماشین عمیق
• 95. MCMC و یادگیری ماشین گرافیکی
• 96. MCMC و یادگیری ماشین احتمالی
• 97. MCMC و یادگیری ماشین سلسله مراتبی
• 98. MCMC و یادگیری ماشین بیزی
• 99. MCMC و یادگیری ماشین مبتنی بر مدل
• 100. MCMC و یادگیری ماشین مبتنی بر نمونه