کتاب صوتی استنتاج بیزی در عمل با PyMC

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استنتاج بیزی در عمل با PyMC

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

موضوع میانی: فریم‌ورک PyMC

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر استنتاج بیزی
• 2. احتمالات پایه و قضیه بیز
• 3. توزیع‌های احتمال پیشین
• 4. توزیع‌های احتمال پسین
• 5. مدل‌سازی احتمالی با PyMC
• 6. نصب و راه‌اندازی PyMC
• 7. ساخت مدل‌های ساده در PyMC
• 8. متغیرهای تصادفی در PyMC
• 9. توزیع‌های احتمال در PyMC
• 10. نمونه‌برداری زنجیره مارکوف مونت کارلو (MCMC)
• 11. الگوریتم‌های MCMC در PyMC
• 12. ارزیابی همگرایی MCMC
• 13. پیش‌بینی با استفاده از مدل‌های بیزی
• 14. اعتبارسنجی مدل بیزی
• 15. مدل‌های خطی تعمیم‌یافته (GLM) با PyMC
• 16. رگرسیون لجستیک با PyMC
• 17. مدل‌های سلسله مراتبی
• 18. مدل‌سازی سری‌های زمانی با PyMC
• 19. مدل‌سازی داده‌های گمشده
• 20. مدل‌سازی داده‌های چندمتغیره
• 21. مدل‌های بیزی غیرپارامتری
• 22. فرآیندهای گاوسی در PyMC
• 23. مدل‌سازی انتخاب مدل
• 24. مقایسه مدل با استفاده از فاکتور بیز
• 25. تفسیر نتایج استنتاج بیزی
• 26. تصمیم‌گیری بر اساس مدل‌های بیزی
• 27. بهینه‌سازی مدل بیزی
• 28. استفاده از PyMC برای داده‌های بزرگ
• 29. مقایسه PyMC با سایر کتابخانه‌های استنتاج بیزی
• 30. کاربرد استنتاج بیزی در علوم پزشکی
• 31. کاربرد استنتاج بیزی در اقتصاد
• 32. کاربرد استنتاج بیزی در مهندسی
• 33. کاربرد استنتاج بیزی در علوم اجتماعی
• 34. مدل‌سازی بیزی برای داده‌های مکانی
• 35. مدل‌سازی بیزی برای داده‌های تصویری
• 36. مدل‌سازی بیزی برای داده‌های متنی
• 37. استنتاج بیزی و یادگیری ماشین
• 38. ترکیب استنتاج بیزی با روش‌های کلاسیک
• 39. بهبود کارایی MCMC
• 40. تشخیص و رفع مشکلات MCMC
• 41. استفاده از Priors اطلاعاتی
• 42. تحلیل حساسیت مدل بیزی
• 43. مدل‌سازی بیزی با داده‌های سانسور شده
• 44. مدل‌سازی بیزی با داده‌های ترانکیت
• 45. مدل‌سازی بیزی با داده‌های متراکم
• 46. استفاده از PyMC برای شبیه‌سازی
• 47. ارائه نتایج استنتاج بیزی
• 48. نوشتن گزارش‌های استنتاج بیزی
• 49. خطاهای رایج در استنتاج بیزی و نحوه اجتناب از آنها
• 50. بهینه‌سازی کد PyMC برای سرعت و کارایی
• 51. استفاده از PyMC در محیط‌های محاسباتی ابری
• 52. استنتاج بیزی و روش‌های بوت‌استرپ
• 53. استنتاج بیزی و روش‌های مقایسه چندگانه
• 54. مدل‌سازی بیزی برای داده‌های نامتعادل
• 55. مدل‌سازی بیزی برای داده‌های با ابعاد بالا
• 56. استفاده از PyMC برای تحلیل بقا
• 57. استنتاج بیزی و کنترل کیفیت
• 58. استنتاج بیزی و پیش‌بینی تقاضا
• 59. مدل‌سازی بیزی برای داده‌های پانل
• 60. مدل‌سازی بیزی در حضور داده‌های پرت
• 61. استفاده از PyMC برای تحلیل سری‌های زمانی غیرخطی
• 62. مدل‌سازی بیزی برای داده‌های ترتیبی
• 63. مدل‌سازی بیزی برای داده‌های اسمی
• 64. استفاده از PyMC برای تحلیل شبکه‌های بیزی
• 65. استنتاج بیزی و تحلیل ریسک
• 66. استنتاج بیزی و مدیریت زنجیره تامین
• 67. مدل‌سازی بیزی برای قیمت‌گذاری آپشن
• 68. استنتاج بیزی و ارزیابی عملکرد
• 69. استنتاج بیزی و تحلیل احساسات
• 70. استفاده از PyMC برای تحلیل داده‌های ژنتیکی
• 71. مدل‌سازی بیزی برای داده‌های تصویربرداری پزشکی
• 72. استنتاج بیزی و تشخیص تقلب
• 73. استفاده از PyMC برای پیش‌بینی نرخ جرم
• 74. مدل‌سازی بیزی برای پیش‌بینی آب و هوا
• 75. استنتاج بیزی و تحلیل بازار
• 76. استفاده از PyMC برای بهینه‌سازی فرآیندهای صنعتی
• 77. مدل‌سازی بیزی برای پیش‌بینی خرابی تجهیزات
• 78. استنتاج بیزی و توسعه دارو
• 79. استفاده از PyMC برای تحلیل داده‌های حسگر
• 80. مدل‌سازی بیزی برای تشخیص نفوذ
• 81. استنتاج بیزی و امنیت سایبری
• 82. استفاده از PyMC برای تحلیل داده‌های شبکه‌های اجتماعی
• 83. مدل‌سازی بیزی برای تحلیل رفتار مشتری
• 84. استنتاج بیزی و بازاریابی شخصی‌سازی‌شده
• 85. استفاده از PyMC برای تحلیل داده‌های ترافیکی
• 86. مدل‌سازی بیزی برای پیش‌بینی بلایای طبیعی
• 87. استنتاج بیزی و مدیریت بحران
• 88. استفاده از PyMC برای تحلیل داده‌های کشاورزی
• 89. مدل‌سازی بیزی برای بهینه‌سازی تولید
• 90. استنتاج بیزی و کنترل آلودگی
• 91. استفاده از PyMC برای تحلیل داده‌های زیست‌محیطی
• 92. مدل‌سازی بیزی برای پیش‌بینی تغییرات آب و هوایی
• 93. استنتاج بیزی و اقتصاد محیط زیست
• 94. استفاده از PyMC برای تحلیل داده‌های انرژی
• 95. مدل‌سازی بیزی برای بهینه‌سازی شبکه‌های برق
• 96. استنتاج بیزی و انرژی‌های تجدیدپذیر
• 97. استفاده از PyMC برای تحلیل داده‌های حمل و نقل
• 98. مدل‌سازی بیزی برای بهینه‌سازی شبکه‌های حمل و نقل
• 99. استنتاج بیزی و ترافیک شهری
• 100. استفاده از PyMC برای تحلیل داده‌های بهداشتی