کتاب صوتی توزیع پسین: نمایش دانش به‌روز شده

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره توزیع پسین: نمایش دانش به‌روز شده

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

موضوع میانی: توزیع پسین (Posterior Distribution)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر توزیع پسین
• 2. مفاهیم پایه‌ای احتمال
• 3. توزیع‌های گسسته متداول
• 4. توزیع‌های پیوسته متداول
• 5. قضیه بیز و کاربردهای آن
• 6. استنباط آماری: تخمین نقطه‌ای
• 7. روش‌های تخمین: حداکثر درست‌نمایی
• 8. روش گشتاورها
• 9. تخمین فاصله‌ای: فواصل اطمینان
• 10. فواصل اطمینان برای میانگین
• 11. فواصل اطمینان برای واریانس
• 12. فواصل اطمینان برای نسبت‌ها
• 13. آزمون فرض آماری: مفاهیم پایه
• 14. آزمون فرض برای میانگین
• 15. آزمون فرض برای واریانس
• 16. آزمون فرض برای نسبت‌ها
• 17. آزمون‌های ناپارامتری
• 18. آزمون کای‌دو برای استقلال
• 19. آزمون کلموگروف-اسمیرنوف
• 20. آزمون ویلکاکسون
• 21. رگرسیون خطی ساده
• 22. تخمین پارامترهای رگرسیون
• 23. آزمون فرض در رگرسیون
• 24. ضریب تعیین
• 25. رگرسیون خطی چندگانه
• 26. انتخاب متغیر در رگرسیون
• 27. مدل‌های خطی تعمیم‌یافته
• 28. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته
• 29. مدل‌های لجستیک
• 30. کاربرد مدل‌های لجستیک در طبقه‌بندی
• 31. مدل‌های پواسون برای داده‌های شمارشی
• 32. مقدمه‌ای بر روش‌های بیزی
• 33. قضیه بیز در عمل
• 34. توزیع پیشین و پسین
• 35. پارامترهای مدل و توزیع‌های پیشین
• 36. انتخاب توزیع پیشین مناسب
• 37. توزیع‌های پیشین غیراطلاعاتی
• 38. توزیع‌های پیشین اطلاعاتی
• 39. روش‌های نمونه‌گیری از توزیع پسین
• 40. روش مونت کارلو زنجیره مارکوف (MCMC)
• 41. الگوریتم گیبس سمپلینگ
• 42. الگوریتم متروپولیس-هستینگز
• 43. ارزیابی همگرایی MCMC
• 44. اعتبار سنجی مدل‌های بیزی
• 45. شاخص‌های ارزیابی مدل‌های بیزی
• 46. اعتبارسنجی متقابل در روش‌های بیزی
• 47. مقایسه مدل‌های بیزی
• 48. کاربرد توزیع پسین در پیش‌بینی
• 49. پیش‌بینی نقطه‌ای و فاصله‌ای
• 50. توزیع‌های پیش‌بینی
• 51. تحلیل سری‌های زمانی: مفاهیم پایه
• 52. مدل‌های ARIMA
• 53. مدل‌های GARCH
• 54. کاربرد توزیع پسین در سری‌های زمانی
• 55. تحلیل بقا: مفاهیم پایه
• 56. تابع بقا و تابع خطر
• 57. مدل کاکس پروپورشنال هازاردز
• 58. کاربرد توزیع پسین در تحلیل بقا
• 59. تصمیم‌گیری تحت عدم قطعیت
• 60. نقش احتمالات در تصمیم‌گیری
• 61. تئوری مطلوبیت
• 62. تصمیم‌گیری با استفاده از توزیع پسین
• 63. مقدمه‌ای بر یادگیری ماشین
• 64. یادگیری نظارت شده و بدون نظارت
• 65. الگوریتم‌های دسته‌بندی
• 66. الگوریتم‌های رگرسیون
• 67. کاربرد توزیع پسین در یادگیری ماشین
• 68. شبکه‌های عصبی: مفاهیم پایه
• 69. شبکه‌های عصبی کانولوشنال (CNN)
• 70. شبکه‌های عصبی بازگشتی (RNN)
• 71. کاربرد توزیع پسین در شبکه‌های عصبی
• 72. پردازش زبان طبیعی: مفاهیم پایه
• 73. مدل‌سازی زبان
• 74. تحلیل احساسات
• 75. کاربرد توزیع پسین در پردازش زبان طبیعی
• 76. بینایی ماشین: مفاهیم پایه
• 77. تشخیص اشیاء
• 78. بخش‌بندی تصویر
• 79. کاربرد توزیع پسین در بینایی ماشین
• 80. سیستم‌های توصیه‌گر
• 81. فیلترینگ مشارکتی
• 82. فیلترینگ مبتنی بر محتوا
• 83. کاربرد توزیع پسین در سیستم‌های توصیه‌گر
• 84. کاربرد توزیع پسین در بهینه‌سازی
• 85. بهینه‌سازی بیزی
• 86. جستجوی بیزی
• 87. روش‌های پیشرفته استنباط پسین
• 88. روش‌های تقریبی استنباط پسین
• 89. تجزیه و تحلیل حساسیت در مدل‌های بیزی
• 90. تحلیل عاملی در مدل‌های بیزی
• 91. مقدمه‌ای بر مدل‌های گرافیکی احتمالی
• 92. شبکه‌های بیزی
• 93. میدان‌های تصادفی مارکوف
• 94. کاربرد توزیع پسین در مدل‌های گرافیکی
• 95. تحلیل داده‌های حجیم (Big Data)
• 96. چالش‌های تحلیل داده‌های حجیم
• 97. ابزارها و فناوری‌های داده‌های حجیم
• 98. کاربرد توزیع پسین در تحلیل داده‌های حجیم
• 99. مقدمه‌ای بر آمار محاسباتی
• 100. مفاهیم الگوریتمی در آمار