فلش‌کارت‌های آموزشی کاربرد MCMC در مطالعات پیمایشی و تحلیل داده‌های حجیم اجتماعی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربرد MCMC در مطالعات پیمایشی و تحلیل داده‌های حجیم اجتماعی

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

موضوع میانی: علوم اجتماعی (Social Sciences)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر آمار بیزی و اصل بیز
• 2. نظریهٔ احتمال پیشین و توزیع‌های مرزی
• 3. تابع چگالی احتمال و نمونه‌گیری از توزیع‌های پیچیده
• 4. مفهوم پسین بیزی و به‌روزرسانی بایزی
• 5. توزیع‌های هم‌راستایی و انتخاب پیشین مناسب
• 6. نمونه‌گیری مونت‌کارلو: اصول و الگوریتم‌های پایه
• 7. محدودیت‌های نمونه‌گیری مستقیم و نیاز به روش‌های تصادفی
• 8. زنجیره‌های مارکوف: تعریف، خواص و ثبات
• 9. آزمون بارنستین و شرط لازم برای زنجیرهٔ مارکوف
• 10. الگوریتم متروپولیس-هاستینگز: ساختار و گام‌های اجرا
• 11. نمونه‌گیری گیبس: اصول، شرط‌های کامل و کاربرد
• 12. ارزیابی همگرایی زنجیره‌ها: رشته‌های گیبس و تبدیل
• 13. تشخیص همگرایی: آمار ر-هات و نمودارهای ردیابی
• 14. پیمانه‌برداری و تخلیه: burn-in و thinning در MCMC
• 15. مکانیزم نمونه‌گیری بدون بازگشت در بیزی
• 16. الگوریتم مونت‌کارلو زنجیره‌ای چندمرحله‌ای
• 17. نمونه‌گیری اسلایس و کاربرد در مدل‌های پیچیده
• 18. نمونه‌گیری اهمیت: نظریه و کاربرد در علوم اجتماعی
• 19. الگوریتم NUTS و هامیلتونی مونت‌کارلو: اصول سیستمی
• 20. مسیرهای هامیلتونی و بهینه‌سازی پارامترتراش
• 21. مدل‌های سلسله‌مراتبی بیزی: ساختار و استدلال
• 22. مدل‌های سلسله‌مراتبی در مطالعات پیمایشی
• 23. مدل‌های خطی بیزی و گسترش آن‌ها با MCMC
• 24. مدل‌های لجستیک بیزی برای داده‌های دسته‌بندی‌شدهٔ اجتماعی
• 25. مدل‌های پویانمایی و زمانی با MCMC در داده‌های پیمایشی
• 26. تحلیل بقا بیزی و نمونه‌گیری MCMC برای داده‌های اجتماعی
• 27. مدل‌های ترکیبی و جمعیت‌های نامرئی با MCMC
• 28. مدل‌های انتخابی و ترتیبی بیزی در نظرسنجی‌های اجتماعی
• 29. مدل‌های فضایی بیزی و MCMC برای داده‌های جغرافیایی اجتماعی
• 30. مدل‌های شبکه‌ای بیزی و استنتاج MCMC در روابط اجتماعی
• 31. مدل‌های ترکیبی مغناطیسی و کلاسترینگ بیزی
• 32. مدل‌های حجم بالا و ابعاد بالا با MCMC
• 33. مدل‌های رگرسیون بیزی چندلایه برای پیمایش‌های ملی
• 34. تحلیل داده‌های بزرگ اجتماعی: چالش‌ها و فرصت‌ها
• 35. پیش‌پردازش داده‌های پیمایشی برای استنتاج بیزی
• 36. مدیریت داده‌های گم‌شده در نظرسنجی‌های بزرگ بیزی
• 37. تکمیل داده‌های گم‌شده با روش‌های مونت‌کارلو مارکوف
• 38. استراتژی‌های نمونه‌گیری در نظرسنجی‌های ملی بزرگ
• 39. وزن‌دهی و تنظیم نمونه در چارچوب بیزی
• 40. مقایسهٔ طرحواره‌ها و تحلیل حساسیت در مدل‌های بیزی
• 41. استرسازی پسین و بررسی مدل با پیش‌بینی پسین
• 42. شاخص‌های تطبیق مدل: WAIC و LOO-CV در بیزی
• 43. عوامل بیزی و مقایسهٔ مدل‌های رقیب
• 44. تحلیل شبکه‌های اجتماعی با روش‌های بیزی و MCMC
• 45. تحلیل سری‌های زمانی اجتماعی با مدل‌های دینامیکی بیزی
• 46. مدل‌های پنهان مارکوف و کاربرد در رفتار اجتماعی
• 47. الگوریتم‌های MCMC موازی و توزیع‌شده برای داده‌های حجیم
• 48. استراتژی‌های محاسباتی برای مقیاس‌پذیری MCMC در بزرگ‌داده‌ها
• 49. پیاده‌سازی MCMC با پایتون و PyMC برای مطالعات اجتماعی
• 50. پیاده‌سازی MCMC با R و JAGS در تحلیل نظرسنجی‌ها
• 51. پیاده‌سازی مدل‌های بیزی با Stan و RStan برای داده‌های پیمایشی
• 52. رابطه بین MCMC و روش‌های تقریبی واریاسیونال
• 53. انتخاب بین MCMC و روش‌های تکراری دیگر
• 54. طراحی مطالعات پیمایشی با در نظر گرفتن عدم قطعیت بیزی
• 55. تحلیل داده‌های نظرسنجی‌های انتخاباتی با MCMC بیزی
• 56. برآورد نرخ فقر و نابرابری با مدل‌های سلسله‌مراتبی بیزی
• 57. تحلیل بیزی داده‌های سلامت و بهداشت در پیمایش‌های اجتماعی
• 58. تحلیل داده‌های مهاجرت و پناهندگان با MCMC بیزی
• 59. برآورد جمعیت‌های آزاد و مخفی با روش‌های مونت‌کارلو مارکوف
• 60. تحلیل داده‌های آموزشی و سنجش یادگیری با مدل‌های بیزی
• 61. مدل‌سازی پیش‌بینی رفتارهای اجتماعی با MCMC
• 62. تحلیل داده‌های رسانه‌ای و اجتماعی با بیزی و نمونه‌گیری تصادفی
• 63. تکنیک‌های کاهش بُعد برای داده‌های بزرگ پیمایشی در بیزی
• 64. تحلیل حساسیت نتایج MCMC به انتخاب پیشین
• 65. استانداردسازی و گزارش‌دهی نتایج مدل‌های بیزی MCMC
• 66. ملاحظات اخلاقی و شفافیت در استفاده از MCMC در علوم اجتماعی