کتاب صوتی رگرسیون بیزی برای تصمیم‌گیری کسب‌وکار؛ از مدل‌سازی احتمالاتی تا پیش‌بینی و تحلیل عدم‌قطعیت

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره رگرسیون بیزی برای تصمیم‌گیری کسب‌وکار؛ از مدل‌سازی احتمالاتی تا پیش‌بینی و تحلیل عدم‌قطعیت

موضوع کلی: علم داده و آمار کاربردی

موضوع میانی: مدل‌سازی بیزی و تحلیل آماری برای تصمیم‌گیری کسب‌وکار

📋 سرفصل‌های دوره

• 1. مبانی آمار بیزی و نقش آن در تصمیم‌گیری کسب‌وکار
• 2. تفاوت آمار کلاسیک و رویکرد بیزی
• 3. مفهوم احتمال شرطی و قضیه بیز
• 4. Prior، Likelihood و Posterior در مدل‌سازی بیزی
• 5. انتخاب Prior مناسب برای مسائل کسب‌وکار
• 6. تفسیر توزیع Posterior و عدم‌قطعیت
• 7. مبانی رگرسیون خطی برای مدل‌سازی کسب‌وکار
• 8. ساختار مدل رگرسیون بیزی
• 9. پارامترهای تصادفی و توزیع‌های احتمالی
• 10. انتخاب توزیع خطا در رگرسیون بیزی
• 11. مدل‌سازی رابطه بین متغیرهای کسب‌وکار
• 12. رگرسیون بیزی ساده و چندمتغیره
• 13. تفسیر ضرایب رگرسیون بیزی
• 14. فاصله‌های اعتباری و تفسیر آن‌ها
• 15. پیش‌بینی بیزی و توزیع Predictive
• 16. تفاوت عدم‌قطعیت پارامتر و عدم‌قطعیت پیش‌بینی
• 17. استانداردسازی و آماده‌سازی داده‌های کسب‌وکار
• 18. مدیریت داده‌های گمشده در مدل بیزی
• 19. شناسایی و مدیریت داده‌های پرت
• 20. انتخاب متغیرهای توضیحی در رگرسیون بیزی
• 21. Priorهای ضعیف و Regularization
• 22. Priorهای اطلاعاتی و استفاده از دانش کسب‌وکار
• 23. Priorهای سلسله‌مراتبی
• 24. ساخت مدل‌های Hierarchical Bayesian Regression
• 25. مدل‌سازی تفاوت میان گروه‌ها و بخش‌های کسب‌وکار
• 26. رگرسیون بیزی با متغیرهای طبقه‌ای
• 27. رگرسیون بیزی با متغیرهای تعاملی
• 28. تحلیل اثرات Interaction در تصمیم‌گیری
• 29. رگرسیون چندجمله‌ای و روابط غیرخطی
• 30. مدل‌های بیزی برای روابط غیرخطی
• 31. تبدیل متغیرها در رگرسیون بیزی
• 32. رگرسیون بیزی مقاوم در برابر داده‌های پرت
• 33. مدل‌سازی داده‌های شمارشی با رویکرد بیزی
• 34. رگرسیون لجستیک بیزی برای تصمیم‌های دودویی
• 35. مدل‌سازی احتمال وقوع رویدادهای کسب‌وکار
• 36. رگرسیون بیزی برای نرخ‌ها و نسبت‌ها
• 37. مدل‌های بیزی برای داده‌های زمانی و روندها
• 38. مدل‌سازی سری زمانی با مؤلفه‌های رگرسیونی
• 39. مدل‌سازی اثرات فصلی و روندهای کسب‌وکار
• 40. مدل‌سازی اثرات تصادفی
• 41. مفهوم Exchangeability در مدل‌های سلسله‌مراتبی
• 42. ساختارهای چندسطحی در داده‌های سازمانی
• 43. انتخاب مدل بیزی مناسب برای مسئله
• 44. مقایسه مدل‌های بیزی با معیارهای پیش‌بینی
• 45. Posterior Predictive Check
• 46. تشخیص ضعف و عدم‌کفایت مدل
• 47. تحلیل حساسیت نسبت به Prior
• 48. تحلیل حساسیت نسبت به انتخاب متغیرها
• 49. تشخیص Multicollinearity در مدل‌های بیزی
• 50. مقایسه مدل بیزی با رگرسیون کلاسیک
• 51. مقایسه مدل‌ها با Cross-Validation
• 52. LOO Cross-Validation در مدل‌های بیزی
• 53. WAIC و معیارهای اطلاعاتی بیزی
• 54. مبانی MCMC برای برآورد مدل‌های بیزی
• 55. نمونه‌گیری با الگوریتم Metropolis-Hastings
• 56. آشنایی با Hamiltonian Monte Carlo
• 57. مبانی و کاربرد NUTS
• 58. ارزیابی همگرایی زنجیره‌های MCMC
• 59. تحلیل Trace Plot و Autocorrelation
• 60. معیار R-hat و بررسی کیفیت نمونه‌ها
• 61. Effective Sample Size و کفایت نمونه‌گیری
• 62. عیب‌یابی مشکلات Sampling
• 63. کاهش زمان محاسبه مدل‌های بیزی
• 64. پیاده‌سازی رگرسیون بیزی با Python
• 65. استفاده از PyMC برای مدل‌سازی بیزی
• 66. تعریف Prior و Likelihood در PyMC
• 67. اجرای Sampling و تحلیل Posterior در PyMC
• 68. استخراج و تفسیر نتایج مدل
• 69. ترسیم توزیع‌های Posterior و Predictive
• 70. پیش‌بینی سناریوهای جدید کسب‌وکار
• 71. تحلیل احتمال عبور از یک آستانه تصمیم
• 72. برآورد اثر تغییر قیمت بر فروش
• 73. پیش‌بینی تقاضا با رگرسیون بیزی
• 74. تحلیل اثر کمپین بازاریابی بر درآمد
• 75. مدل‌سازی ریسک و احتمال زیان
• 76. برآورد عدم‌قطعیت در پیش‌بینی درآمد
• 77. تحلیل سناریوهای What-If
• 78. تصمیم‌گیری بر اساس توزیع نتایج احتمالی
• 79. ترکیب پیش‌بینی بیزی با هزینه و منفعت تصمیم
• 80. مدل‌سازی ارزش مورد انتظار تصمیم‌ها
• 81. تحلیل ریسک با Expected Loss
• 82. به‌روزرسانی مدل با ورود داده‌های جدید
• 83. Online Bayesian Updating
• 84. استفاده از دانش کارشناسی در Prior
• 85. تلفیق داده و قضاوت مدیریتی
• 86. ارتباط نتایج بیزی با شاخص‌های کسب‌وکار
• 87. ارائه نتایج احتمالاتی به مدیران
• 88. نمایش عدم‌قطعیت بدون ایجاد ابهام
• 89. اشتباهات رایج در تفسیر نتایج بیزی
• 90. طراحی یک پروژه کامل رگرسیون بیزی برای کسب‌وکار