کتاب صوتی رگرسیون بیزی کاربردی برای تحلیلگران داده

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره رگرسیون بیزی کاربردی برای تحلیلگران داده

موضوع کلی: آمار و تحلیل داده‌ها

موضوع میانی: مدل‌سازی آماری پیشرفته

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر رگرسیون بیزی
• 2. مفاهیم پایه احتمال و آمار بیزی
• 3. توزیع‌های پیشین، توزیع‌های پسین و تابع درست‌نمایی
• 4. انتخاب توزیع پیشین مناسب
• 5. روش‌های محاسبه توزیع پسین
• 6. رگرسیون خطی بیزی: مدل و مفروضات
• 7. برآورد پارامترها در رگرسیون خطی بیزی
• 8. پیش‌بینی در رگرسیون خطی بیزی
• 9. ارزیابی مدل رگرسیون خطی بیزی
• 10. رگرسیون لجستیک بیزی
• 11. مدل‌سازی داده‌های دسته‌ای با رگرسیون لجستیک بیزی
• 12. تفسیر ضرایب رگرسیون لجستیک بیزی
• 13. ارزیابی عملکرد مدل رگرسیون لجستیک بیزی
• 14. رگرسیون پواسون بیزی
• 15. مدل‌سازی داده‌های شمارشی با رگرسیون پواسون بیزی
• 16. برآورد پارامترها و تفسیر نتایج
• 17. ارزیابی مدل رگرسیون پواسون بیزی
• 18. رگرسیون منفی دوجمله‌ای بیزی
• 19. کاربرد رگرسیون منفی دوجمله‌ای در داده‌های بیش‌پراکنده
• 20. مقایسه با رگرسیون پواسون
• 21. مدل‌های تعمیم‌یافته خطی بیزی (GLM)
• 22. انتخاب تابع پیوند مناسب
• 23. کاربرد GLM در انواع داده‌ها
• 24. رگرسیون بیزی با متغیرهای توضیحی دسته‌ای
• 25. کدگذاری متغیرهای دسته‌ای
• 26. تفسیر ضرایب در رگرسیون با متغیرهای دسته‌ای
• 27. رگرسیون بیزی با متغیرهای تصادفی
• 28. مدل‌سازی اثرات تصادفی
• 29. استفاده از مدل‌های سلسله‌مراتبی بیزی
• 30. رگرسیون بیزی در داده‌های از دست رفته
• 31. روش‌های برخورد با داده‌های از دست رفته
• 32. مقایسه روش‌های مختلف
• 33. رگرسیون بیزی و متغیرهای واسط
• 34. شناسایی و مدل‌سازی متغیرهای واسط
• 35. تاثیر متغیرهای واسط بر روابط علی
• 36. رگرسیون بیزی و داده‌های سری زمانی
• 37. مدل‌سازی خودهمبستگی و ناهمگونی واریانس
• 38. پیش‌بینی در سری‌های زمانی با رگرسیون بیزی
• 39. رگرسیون بیزی در داده‌های مکانی
• 40. مدل‌سازی وابستگی مکانی
• 41. نقشه‌های احتمال و تحلیل خوشه‌ای مکانی
• 42. رگرسیون بیزی و داده‌های چندمتغیره
• 43. تحلیل مولفه‌های اصلی بیزی
• 44. مدل‌سازی معادلات ساختاری با رگرسیون بیزی
• 45. انتخاب مدل در رگرسیون بیزی
• 46. معیارهای اطلاعاتی بیزی (DIC, WAIC, LOO)
• 47. اعتبارسنجی متقابل (Cross-validation)
• 48. رگرسیون بیزی با استفاده از زنجیره‌های مارکوف مونت کارلو (MCMC)
• 49. الگوریتم‌های MCMC رایج (Metropolis-Hastings, Gibbs sampling)
• 50. تشخیص همگرایی زنجیره‌های MCMC
• 51. بهینه‌سازی زنجیره‌های MCMC
• 52. پیاده‌سازی رگرسیون بیزی در R
• 53. بسته‌های R برای رگرسیون بیزی (rstan, brms)
• 54. مثال‌های کاربردی در R
• 55. پیاده‌سازی رگرسیون بیزی در Python
• 56. بسته‌های Python برای رگرسیون بیزی (PyMC3, Stan)
• 57. مثال‌های کاربردی در Python
• 58. رگرسیون بیزی و مدل‌های ترکیبی
• 59. مدل‌سازی داده‌های پیچیده با مدل‌های ترکیبی
• 60. استفاده از مدل‌های ترکیبی در پیش‌بینی
• 61. رگرسیون بیزی و یادگیری ماشین
• 62. مقایسه رگرسیون بیزی با روش‌های یادگیری ماشین
• 63. ترکیب رگرسیون بیزی و یادگیری ماشین
• 64. رگرسیون بیزی و تحلیل بقا
• 65. مدل‌سازی زمان تا وقوع یک رویداد
• 66. کاربرد در حوزه‌های مختلف
• 67. رگرسیون بیزی و داده‌های نامتعادل
• 68. روش‌های برخورد با داده‌های نامتعادل
• 69. ارزیابی مدل در داده‌های نامتعادل
• 70. رگرسیون بیزی و داده‌های بزرگ
• 71. چالش‌های محاسباتی در داده‌های بزرگ
• 72. استفاده از روش‌های تقریبی
• 73. رگرسیون بیزی و تفسیر نتایج
• 74. تفسیر ضرایب و فواصل اطمینان
• 75. ارائه نتایج به مخاطبان غیرمتخصص
• 76. محدودیت‌ها و چالش‌های رگرسیون بیزی
• 77. نقاط ضعف و راهکارهای مقابله
• 78. مسائل اخلاقی در استفاده از رگرسیون بیزی