کتاب صوتی کاوش در هندسه، خواص، و دینامیک توزیع پسین

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاوش در هندسه، خواص، و دینامیک توزیع پسین

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

موضوع میانی: توزیع پسین (Posterior Distribution)

📋 سرفصل‌های دوره

• 1. مبانی احتمالات و فضای نمونه
• 2. مفهوم متغیر تصادفی و انواع آن
• 3. تابع توزیع تجمعی و خواص آن
• 4. توزیع‌های گسسته: برنولی، دوجمله‌ای، پواسون
• 5. توزیع‌های پیوسته: یکنواخت، نمایی، نرمال
• 6. امید ریاضی و واریانس متغیرهای تصادفی
• 7. نابرابری‌های چبیشف و کاربردهای آن
• 8. قضیه حد مرکزی و اهمیت آن در آمار
• 9. مفهوم توزیع پسین و بیز
• 10. قضیه بیز و کاربرد آن در به‌روزرسانی باورها
• 11. توزیع پیشین و نحوه انتخاب آن
• 12. تابع درستنمایی و نقش آن در استنتاج بیزی
• 13. توزیع پسین: تعریف و محاسبه
• 14. روش‌های تحلیلی محاسبه توزیع پسین
• 15. محدودیت‌های روش‌های تحلیلی
• 16. مقدمه‌ای بر روش‌های نمونه‌گیری مونت کارلو
• 17. کاربرد روش‌های MCMC در استنتاج بیزی
• 18. الگوریتم گیبس سمپلینگ (Gibbs Sampling)
• 19. الگوریتم متروپلیس-هستینگز (Metropolis-Hastings)
• 20. مفاهیم پایه در یادگیری ماشین بیزی
• 21. مدل‌های خطی بیزی
• 22. رگرسیون خطی بیزی
• 23. طبقه‌بندی بیزی
• 24. طبقه‌بندی‌کننده بیز ساده (Naive Bayes Classifier)
• 25. شبکه‌های بیزی: مفاهیم و ساختار
• 26. پیمایش در شبکه‌های بیزی
• 27. استنتاج در شبکه‌های بیزی
• 28. یادگیری ساختار شبکه‌های بیزی
• 29. کاربرد شبکه‌های بیزی در مدل‌سازی
• 30. تحلیل سری‌های زمانی بیزی
• 31. مدل‌های مارکوف پنهان (HMM)
• 32. کاربرد مدل‌های HMM در پردازش سیگنال
• 33. مدل‌سازی بیزی برای داده‌های مکانی
• 34. آمار مکانی بیزی
• 35. مدل‌های گوسی فرآیند (Gaussian Processes)
• 36. کاربرد فرآیندهای گوسی در رگرسیون و طبقه‌بندی
• 37. مدل‌سازی بیزی برای داده‌های خوشه‌ای
• 38. خوشه‌بندی بیزی
• 39. توزیع دیریکله (Dirichlet Distribution)
• 40. فرآیندهای دیریکله (Dirichlet Processes)
• 41. کاربرد فرآیندهای دیریکله در مدل‌سازی موضوعی
• 42. مدل‌سازی موضوعی بیزی (LDA)
• 43. کاربرد مدل‌سازی موضوعی در تحلیل متن
• 44. مدل‌سازی بیزی برای داده‌های سلسله مراتبی
• 45. مدل‌های سلسله مراتبی و استنتاج بیزی
• 46. معماری مدل‌های سلسله مراتبی
• 47. کاربرد مدل‌های سلسله مراتبی در علوم زیستی
• 48. مقدمه‌ای بر بهینه‌سازی در استنتاج بیزی
• 49. روش‌های بهینه‌سازی تقریبی
• 50. روش‌های واریانس‌گیری (Variational Inference)
• 51. مقایسه روش‌های MCMC و واریانس‌گیری
• 52. ارزیابی مدل‌های بیزی
• 53. معیارهای انتخاب مدل بیزی
• 54. اعتبارسنجی متقابل بیزی
• 55. اعتبار سنجی مدل با استفاده از داده‌های جدید
• 56. مقدمه‌ای بر نرم‌افزارهای آماری بیزی
• 57. نرم‌افزار Stan و زبان برنامه‌نویسی آن
• 58. نرم‌افزار PyMC3 و کاربردهای آن
• 59. نرم‌افزار JAGS و زبان برنامه‌نویسی آن
• 60. کاربرد R در استنتاج بیزی
• 61. مثال‌های عملی از مدل‌سازی بیزی در اقتصاد
• 62. مدل‌سازی بیزی ریسک و سرمایه‌گذاری
• 63. کاربرد در مدل‌سازی بازارهای مالی
• 64. مثال‌های عملی از مدل‌سازی بیزی در علوم پزشکی
• 65. مدل‌سازی تشخیص بیماری با رویکرد بیزی
• 66. مدل‌سازی پیامد درمان با رویکرد بیزی
• 67. مثال‌های عملی از مدل‌سازی بیزی در مهندسی
• 68. مدل‌سازی قابلیت اطمینان سیستم‌ها
• 69. مدل‌سازی پیش‌بینی خرابی
• 70. مثال‌های عملی از مدل‌سازی بیزی در علوم اجتماعی
• 71. مدل‌سازی رفتار رای‌دهندگان
• 72. مدل‌سازی توزیع عقاید
• 73. مقدمه‌ای بر یادگیری عمیق بیزی
• 74. شبکه‌های عصبی بیزی
• 75. کاربرد شبکه‌های عصبی بیزی در طبقه‌بندی
• 76. کاربرد شبکه‌های عصبی بیزی در پیش‌بینی
• 77. مباحث پیشرفته در مدل‌سازی بیزی
• 78. مدل‌های پویا و تغییرپذیر در زمان
• 79. مدل‌سازی بیزی برای داده‌های پرتعداد
• 80. مدل‌سازی بیزی برای داده‌های نامعلوم
• 81. روش‌های کواریانس در مدل‌های بیزی
• 82. مقدمه‌ای بر محاسبات بیزی کوانتومی
• 83. چالش‌ها و فرصت‌های آینده در استنتاج بیزی
• 84. اخلاق در مدل‌سازی بیزی و تفسیر نتایج
• 85. مبانی ریاضی و آماری برای درک عمیق‌تر
• 86. کاربرد توزیع‌های ویژه در مدل‌سازی بیزی
• 87. روش‌های مبتنی بر شبیه‌سازی برای توزیع‌های پیچیده
• 88. تکنیک‌های پیشرفته در الگوریتم‌های MCMC
• 89. ارزیابی همگرایی در روش‌های MCMC
• 90. روش‌های واریانس‌گیری پیشرفته
• 91. بهینه‌سازی هایپرپارامترها در مدل‌های بیزی
• 92. مدل‌سازی بیزی برای داده‌های ترکیبی
• 93. مدل‌سازی بیزی برای داده‌های ساختاریافته
• 94. مدل‌سازی بیزی برای داده‌های چندبعدی
• 95. کاربرد مدل‌سازی بیزی در پردازش تصویر
• 96. کاربرد مدل‌سازی بیزی در پردازش زبان طبیعی
• 97. مفاهیم آماری پیشرفته مرتبط با توزیع پسین
• 98. تحلیل حساسیت در مدل‌های بیزی
• 99. تفسیر نتایج مدل‌های بیزی در عمل
• 100. نکات عملی برای ساخت و اعتبارسنجی مدل‌های بیزی