کتاب صوتی کاربرد عملی NUTS در مدل‌های بیزی پیشرفته

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربرد عملی NUTS در مدل‌های بیزی پیشرفته

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

موضوع میانی: No-U-Turn Sampler (NUTS)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌های بیزی
• 2. مفاهیم پایه آمار بیزی
• 3. توزیع‌های پیشین، پسین و درست‌نمایی
• 4. روش‌های تخمین پارامتر در مدل‌های بیزی
• 5. نرم‌افزار NUTS: معرفی و نصب
• 6. ساختار داده‌ای مورد نیاز NUTS
• 7. مقدمه‌ای بر زنجیره‌های مارکوف مونت کارلو (MCMC)
• 8. ارزیابی همگرایی زنجیره‌های MCMC
• 9. روش‌های نمونه‌برداری MCMC
• 10. NUTS در مقابل سایر روش‌های MCMC
• 11. پیاده‌سازی NUTS در Stan
• 12. زبان مدل‌سازی Stan: مبانی
• 13. تعریف مدل‌های بیزی در Stan
• 14. ورودی و خروجی داده‌ها در Stan
• 15. تنظیم پارامترهای NUTS در Stan
• 16. تشخیص مشکلات رایج در اجرای NUTS
• 17. بهینه‌سازی عملکرد NUTS
• 18. مدل‌های بیزی سلسله مراتبی
• 19. کاربرد NUTS در مدل‌های بیزی سلسله مراتبی
• 20. مدل‌های بیزی با داده‌های از دست رفته
• 21. استفاده از NUTS برای پر کردن داده‌های از دست رفته
• 22. مدل‌های بیزی غیرپارامتری
• 23. NUTS و مدل‌های فرایند گوسی
• 24. مدل‌های بیزی پویا
• 25. NUTS در مدل‌های سری زمانی
• 26. مدل‌های بیزی برای رگرسیون
• 27. استفاده از NUTS در رگرسیون خطی و لجستیک
• 28. مدل‌های بیزی برای طبقه‌بندی
• 29. NUTS و ماشین‌های بردار پشتیبان بیزی
• 30. مدل‌های بیزی برای خوشه‌بندی
• 31. NUTS و الگوریتم‌های خوشه‌بندی بیزی
• 32. مدل‌های بیزی برای تحلیل بقا
• 33. NUTS و مدل‌های بقای پروپورتال
• 34. مدل‌های بیزی برای تحلیل داده‌های مکانی
• 35. NUTS و مدل‌های کریجینگ بیزی
• 36. کاربرد NUTS در علم ژنتیک
• 37. NUTS و تحلیل ارتباط ژنوم گسترده
• 38. کاربرد NUTS در علوم مالی
• 39. NUTS و مدل‌سازی ریسک اعتباری
• 40. کاربرد NUTS در بازاریابی
• 41. NUTS و مدل‌سازی رفتار مشتری
• 42. کاربرد NUTS در مهندسی
• 43. NUTS و بهینه‌سازی طراحی
• 44. کاربرد NUTS در علوم اجتماعی
• 45. NUTS و تحلیل نظرسنجی‌ها
• 46. مدل‌سازی Bayesian Network با NUTS
• 47. استفاده از NUTS در مدل‌های گرافیکی
• 48. مقایسه NUTS با روش‌های بهینه‌سازی گرادیانی
• 49. NUTS و روش‌های Quasi-Newton
• 50. مدل‌های بیزی با متغیرهای گسسته
• 51. NUTS و روش‌های نمونه‌برداری اهمیت
• 52. مدل‌های بیزی با محدودیت
• 53. NUTS و روش‌های لاگرانژ
• 54. کاربرد NUTS در یادگیری تقویتی بیزی
• 55. NUTS و مسائل کنترل بهینه
• 56. استفاده از NUTS در مدل‌سازی فیزیکی
• 57. NUTS و مسائل معکوس
• 58. تفسیر نتایج NUTS
• 59. ارزیابی دقت و قابلیت اطمینان نتایج
• 60. ترکیب NUTS با سایر روش‌های آماری
• 61. NUTS و Bootstrap
• 62. NUTS و Jackknife
• 63. روش‌های موازی‌سازی NUTS
• 64. بهبود مقیاس‌پذیری NUTS
• 65. کاربرد NUTS در داده‌های بزرگ
• 66. NUTS و استفاده از خوشه‌ها
• 67. مدیریت حافظه در NUTS
• 68. بهینه‌سازی کد Stan برای NUTS
• 69. اشکال‌زدایی مدل‌های Stan با NUTS
• 70. بررسی مدل و اعتبارسنجی در NUTS
• 71. انتخاب توزیع‌های پیشین مناسب
• 72. تحلیل حساسیت مدل بیزی
• 73. تأثیر توزیع پیشین بر نتایج NUTS
• 74. آموزش NUTS به کاربران مبتدی
• 75. منابع آموزشی NUTS و Stan
• 76. مطالعات موردی NUTS در صنایع مختلف
• 77. آینده NUTS و توسعه‌های جدید