کتاب صوتی کاربرد PyMC در تخمین پارامتر و استنتاج بیزی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربرد PyMC در تخمین پارامتر و استنتاج بیزی

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

موضوع میانی: فریم‌ورک PyMC

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر استنتاج بیزی و مدل‌سازی احتمالاتی
• 2. اصول پایه‌ای احتمال و آمار
• 3. مفاهیم کلیدی در مدل‌سازی بیزی
• 4. معرفی کتابخانه PyMC
• 5. نصب و پیکربندی PyMC
• 6. ساخت مدل‌های بیزی ساده با PyMC
• 7. متغیرهای تصادفی و توزیع‌های احتمال در PyMC
• 8. تعریف احتمالات پیشین (Prior Distributions)
• 9. تعریف احتمالات درست‌نمایی (Likelihood Functions)
• 10. تخمین پارامترها با استفاده از PyMC
• 11. نمونه‌برداری از توزیع‌های پسین (Posterior Sampling)
• 12. روش‌های نمونه‌برداری مونت کارلو زنجیره مارکوف (MCMC)
• 13. الگوریتم‌های نمونه‌برداری در PyMC (NUTS, HMC)
• 14. ارزیابی کیفیت نمونه‌ها (Traceplots, Autocorrelation)
• 15. خروجی‌های مدل بیزی و تفسیر آن‌ها
• 16. محاسبه احتمالات پسین (Posterior Probabilities)
• 17. پیش‌بینی با استفاده از مدل‌های بیزی
• 18. اعتبار سنجی مدل‌های بیزی (Model Checking)
• 19. استفاده از داده‌های شبیه‌سازی شده برای اعتبار سنجی
• 20. مدل‌های خطی بیزی در PyMC
• 21. رگرسیون خطی بیزی
• 22. رگرسیون لجستیک بیزی
• 23. مدل‌های سری زمانی بیزی
• 24. مدل‌های پواسون بیزی
• 25. مدل‌های ناپارامتری بیزی
• 26. مقدمه‌ای بر فرآیندهای گوسی (Gaussian Processes)
• 27. کاربرد فرآیندهای گوسی در PyMC
• 28. مدل‌سازی سلسله مراتبی بیزی
• 29. سطوح مختلف در مدل‌های سلسله مراتبی
• 30. مثال‌هایی از مدل‌های سلسله مراتبی
• 31. مدل‌سازی داده‌های خوشه‌ای (Clustering)
• 32. مدل‌سازی داده‌های طبقه‌بندی (Classification)
• 33. استفاده از PyMC برای تحلیل داده‌های زیستی
• 34. کاربرد PyMC در اقتصاد و امور مالی (با رعایت چارچوب‌های قانونی)
• 35. مدل‌سازی ریسک با رویکرد بیزی
• 36. تحلیل داده‌های اقتصادی با PyMC
• 37. تحلیل داده‌های بازاریابی با رویکرد بیزی
• 38. کاربرد PyMC در علوم اجتماعی
• 39. مدل‌سازی رفتارهای اجتماعی
• 40. تحلیل داده‌های پیمایشی
• 41. کاربرد PyMC در مهندسی
• 42. بهینه‌سازی پارامترها در سیستم‌های مهندسی
• 43. مدل‌سازی قابلیت اطمینان
• 44. کاربرد PyMC در علوم محیطی
• 45. مدل‌سازی آلودگی هوا
• 46. تحلیل داده‌های آب و هوا
• 47. کاربرد PyMC در علوم پزشکی (با رعایت چارچوب‌های قانونی)
• 48. مدل‌سازی اثربخشی داروها
• 49. تحلیل داده‌های بالینی
• 50. مدل‌سازی بیماری‌ها
• 51. استفاده از PyMC برای تصمیم‌گیری‌های مبتنی بر داده
• 52. اصول استنتاج آماری در چارچوب قوانین
• 53. نکات مهم در تعریف احتمالات پیشین سازگار با چارچوب
• 54. تفسیر نتایج مدل‌ها در چارچوب فرهنگی و قانونی
• 55. مدل‌سازی آماری برای داده‌های با حجم کم
• 56. مدل‌سازی آماری برای داده‌های با حجم زیاد
• 57. استفاده از PyMC برای بهینه‌سازی منابع (با رعایت چارچوب‌های قانونی)
• 58. مدل‌سازی پدیده‌های اجتماعی با رویکرد بیزی
• 59. تحلیل داده‌های مربوط به خانواده و ازدواج (با رویکرد اسلامی-ایرانی)
• 60. مدل‌سازی عوامل مؤثر بر موفقیت تحصیلی
• 61. کاربرد PyMC در تحلیل داده‌های مربوط به تولید ناخالص داخلی (با رعایت چارچوب‌های قانونی)
• 62. مدل‌سازی تورم و شاخص‌های اقتصادی (با رعایت چارچوب‌های قانونی)
• 63. تحلیل داده‌های مربوط به اشتغال و بیکاری (با رعایت چارچوب‌های قانونی)
• 64. مدل‌سازی سرمایه‌گذاری (با رعایت چارچوب‌های قانونی)
• 65. مدل‌سازی بیمه (با رعایت چارچوب‌های قانونی)
• 66. مدل‌سازی بهینه‌سازی زنجیره تأمین (با رعایت چارچوب‌های قانونی)
• 67. مدل‌سازی داده‌های مربوط به کشاورزی (با رعایت چارچوب‌های قانونی)
• 68. مدل‌سازی داده‌های مربوط به صنعت (با رعایت چارچوب‌های قانونی)
• 69. مدل‌سازی داده‌های مربوط به انرژی (با رعایت چارچوب‌های قانونی)
• 70. مدل‌سازی داده‌های مربوط به حمل و نقل (با رعایت چارچوب‌های قانونی)
• 71. مدل‌سازی داده‌های مربوط به گردشگری (با رعایت چارچوب‌های قانونی)
• 72. مدل‌سازی داده‌های مربوط به آموزش و پرورش (با رعایت چارچوب‌های قانونی)
• 73. مدل‌سازی داده‌های مربوط به بهداشت و درمان (با رعایت چارچوب‌های قانونی)
• 74. مدل‌سازی داده‌های مربوط به فرهنگ و هنر (با رعایت چارچوب‌های قانونی)
• 75. مدل‌سازی داده‌های مربوط به ورزش (با رعایت چارچوب‌های قانونی)
• 76. مدل‌سازی داده‌های مربوط به مهاجرت (با رعایت چارچوب‌های قانونی)
• 77. مدل‌سازی داده‌های مربوط به جمعیت (با رعایت چارچوب‌های قانونی)
• 78. مدل‌سازی داده‌های مربوط به محیط زیست (با رعایت چارچوب‌های قانونی)
• 79. مدل‌سازی داده‌های مربوط به شهرسازی (با رعایت چارچوب‌های قانونی)
• 80. مدل‌سازی داده‌های مربوط به مدیریت بحران (با رعایت چارچوب‌های قانونی)
• 81. مدل‌سازی داده‌های مربوط به حقوق و قانون (با رعایت چارچوب‌های قانونی)
• 82. مدل‌سازی داده‌های مربوط به امنیت ملی (با رعایت چارچوب‌های قانونی)
• 83. مدل‌سازی داده‌های مربوط به روابط بین‌الملل (با رعایت چارچوب‌های قانونی)
• 84. مدل‌سازی داده‌های مربوط به پیشرفت‌های علمی
• 85. تحلیل داده‌های مربوط به هوش مصنوعی (با رعایت چارچوب‌های قانونی)
• 86. مدل‌سازی داده‌های مربوط به رباتیک
• 87. مدل‌سازی داده‌های مربوط به فناوری نانو
• 88. مدل‌سازی داده‌های مربوط به علوم فضایی
• 89. مدل‌سازی داده‌های مربوط به انرژی‌های نو
• 90. مدل‌سازی داده‌های مربوط به سلامت دیجیتال
• 91. مدل‌سازی داده‌های مربوط به آموزش مجازی
• 92. مدل‌سازی داده‌های مربوط به کارآفرینی
• 93. مدل‌سازی داده‌های مربوط به توسعه پایدار
• 94. مدل‌سازی داده‌های مربوط به حکمرانی خوب
• 95. مدل‌سازی داده‌های مربوط به شفافیت
• 96. مدل‌سازی داده‌های مربوط به مشارکت عمومی
• 97. مدل‌سازی داده‌های مربوط به مسئولیت‌پذیری اجتماعی
• 98. مدل‌سازی داده‌های مربوط به نوآوری
• 99. مدل‌سازی داده‌های مربوط به پژوهش و توسعه
• 100. مروری بر کاربردهای پیشرفته PyMC