کتاب صوتی Brooks-Gelman Diagnostic: معیاری برای اطمینان از همگرایی و کیفیت نمونه‌ها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Brooks-Gelman Diagnostic: معیاری برای اطمینان از همگرایی و کیفیت نمونه‌ها

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

موضوع میانی: Brooks-Gelman Diagnostic

📋 سرفصل‌های دوره

• 1. مبانی نظری روش‌های مونت‌کارلو در آمار
• 2. آشنایی با شبیه‌سازی در علوم داده
• 3. مفاهیم پایه نمونه‌گیری تصادفی
• 4. توزیع‌های احتمالاتی پرکاربرد در شبیه‌سازی
• 5. توزیع نرمال و کاربردهای آن
• 6. توزیع یکنواخت و کاربردهای آن
• 7. توزیع پواسون و کاربردهای آن
• 8. توزیع نمایی و کاربردهای آن
• 9. توزیع گاما و کاربردهای آن
• 10. توزیع بتا و کاربردهای آن
• 11. مفاهیم اولیه زنجیره‌های مارکوف
• 12. انتقال حالت در زنجیره‌های مارکوف
• 13. توزیع پایای زنجیره‌های مارکوف
• 14. روش‌های الگوریتم مونت‌کارلو در زنجیره‌های مارکوف (MCMC)
• 15. مقدمه‌ای بر الگوریتم متروپلیس-هستینگز
• 16. الگوریتم متروپلیس-هستینگز در عمل
• 17. مقدمه‌ای بر الگوریتم گیبس سمپلینگ
• 18. الگوریتم گیبس سمپلینگ در عمل
• 19. تشخیص همگرایی در MCMC
• 20. معیار گودمن و همن (Gelman-Rubin Diagnostic)
• 21. معیار شروتر (Geweke Diagnostic)
• 22. بررسی کیفیت نمونه‌ها در MCMC
• 23. مدل‌های احتمالاتی بیزی
• 24. مقدمه‌ای بر استنتاج بیزی
• 25. قضیه بیز در عمل
• 26. توزیع پیشین و پسین
• 27. انتخاب توزیع پیشین مناسب
• 28. توزیع‌های پیشین غیراطلاعاتی
• 29. توزیع‌های پیشین اطلاعاتی
• 30. پیاده‌سازی استنتاج بیزی با MCMC
• 31. مدل‌سازی رگرسیون بیزی
• 32. رگرسیون خطی بیزی
• 33. رگرسیون لجستیک بیزی
• 34. مدل‌های سری زمانی بیزی
• 35. مدل‌های فضایی بیزی
• 36. مدل‌های سلسله مراتبی بیزی
• 37. کاربرد Brooks-Gelman Diagnostic در مدل‌های سلسله مراتبی
• 38. مدل‌سازی آماری با استفاده از نرم‌افزار R
• 39. مقدمه‌ای بر بسته `coda` در R
• 40. استفاده از `coda` برای تحلیل MCMC
• 41. مصورسازی نتایج MCMC با `coda`
• 42. آموزش نرم‌افزار Stan برای استنتاج بیزی
• 43. مقدمه‌ای بر زبان Stan
• 44. نوشتن مدل‌های ساده در Stan
• 45. مدل‌سازی رگرسیون در Stan
• 46. مدل‌سازی سری زمانی در Stan
• 47. مدل‌سازی داده‌های طبقه‌بندی در Stan
• 48. کاربرد Brooks-Gelman Diagnostic در Stan
• 49. آموزش نرم‌افزار PyMC3 برای استنتاج بیزی
• 50. مقدمه‌ای بر PyMC3
• 51. نوشتن مدل‌های بیزی در PyMC3
• 52. استفاده از MCMC در PyMC3
• 53. مصورسازی نتایج PyMC3
• 54. مقدمه‌ای بر اقتصاد سنجی بیزی
• 55. کاربرد Brooks-Gelman Diagnostic در اقتصاد سنجی
• 56. مدل‌سازی ریسک در امور مالی با رویکرد بیزی
• 57. کاربرد MCMC در بهینه‌سازی سبد سهام
• 58. مدل‌سازی پیش‌بینی در بازارهای مالی
• 59. تحلیل آماری داده‌های اقتصادی با رویکرد بیزی
• 60. مدل‌سازی رفتار مصرف‌کننده با رویکرد بیزی
• 61. استنتاج در مورد پارامترهای مدل‌های آماری
• 62. چالش‌های عملی در پیاده‌سازی MCMC
• 63. راهکارهای بهبود کارایی MCMC
• 64. ارزیابی حساسیت مدل به توزیع پیشین
• 65. کاربرد Brooks-Gelman Diagnostic در ارزیابی مدل
• 66. مقدمه‌ای بر شبکه‌های عصبی بیزی
• 67. کاربرد MCMC در آموزش شبکه‌های عصبی
• 68. مدل‌سازی عدم قطعیت در پیش‌بینی‌های شبکه‌های عصبی
• 69. کاربرد Brooks-Gelman Diagnostic در شبکه‌های عصبی
• 70. مقدمه‌ای بر یادگیری تقویتی بیزی
• 71. کاربرد MCMC در یادگیری تقویتی
• 72. مدل‌سازی سیاست‌های بهینه در یادگیری تقویتی
• 73. کاربرد Brooks-Gelman Diagnostic در یادگیری تقویتی
• 74. مدل‌سازی آماری در علوم زیستی
• 75. کاربرد MCMC در تجزیه و تحلیل داده‌های ژنتیکی
• 76. مدل‌سازی اپیدمیولوژیک با رویکرد بیزی
• 77. کاربرد Brooks-Gelman Diagnostic در علوم زیستی
• 78. مدل‌سازی آماری در علوم اجتماعی
• 79. کاربرد MCMC در تحلیل داده‌های پیمایشی
• 80. مدل‌سازی شبکه‌های اجتماعی با رویکرد بیزی
• 81. کاربرد Brooks-Gelman Diagnostic در علوم اجتماعی
• 82. اصول اخلاقی در تحلیل داده‌ها و استنتاج آماری
• 83. رعایت حریم خصوصی در تحلیل داده‌ها
• 84. شفافیت در گزارش‌دهی نتایج آماری
• 85. مسئولیت‌پذیری در استفاده از مدل‌های آماری
• 86. اهمیت دقت و اعتبار در استنتاج آماری
• 87. کاربرد Brooks-Gelman Diagnostic در تضمین کیفیت
• 88. ملاحظات شرعی در مدل‌سازی آماری
• 89. چارچوب‌های فقهی در تحلیل داده‌های مالی
• 90. اصول اخلاقی در مدل‌سازی اقتصادی
• 91. تأثیر تحریم‌ها بر تحلیل داده‌های بین‌المللی
• 92. رویکردهای بومی در مدل‌سازی آماری
• 93. استانداردهای ملی در تحلیل داده‌ها
• 94. نقش فناوری در پیشرفت استنتاج آماری
• 95. آینده پژوهی در روش‌های مونت‌کارلو و بیزی