کتاب صوتی مبانی الگوریتم‌های استنتاج علی بیزی با رویکرد MCMC

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی الگوریتم‌های استنتاج علی بیزی با رویکرد MCMC

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

موضوع میانی: Bayesian Causal Inference Algorithms

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر استنتاج علی
• 2. مفاهیم پایه احتمال و آمار
• 3. متغیرهای تصادفی و توزیع‌های احتمال
• 4. توزیع‌های پیشین و پسین
• 5. قضیه بیز و کاربردهای آن
• 6. مدل‌های گرافیکی و استنتاج علی
• 7. شبکه‌های بیزی: ساختار و تفسیر
• 8. یادگیری ساختار شبکه‌های بیزی
• 9. یادگیری پارامتر شبکه‌های بیزی
• 10. استنتاج دقیق در شبکه‌های بیزی
• 11. روش‌های تقریبی استنتاج در شبکه‌های بیزی
• 12. روش زنجیره مارکوف مونت کارلو (MCMC)
• 13. الگوریتم Metropolis-Hastings
• 14. الگوریتم Gibbs Sampling
• 15. تشخیص همگرایی در MCMC
• 16. انتخاب توزیع پیشنهادی بهینه
• 17. بهبود کارایی MCMC
• 18. تکنیک‌های Parallel MCMC
• 19. مقدمه‌ای بر مدل‌های سلسله مراتبی بیزی
• 20. مدل‌های چند متغیره بیزی
• 21. مدل‌های خطی تعمیم یافته بیزی
• 22. مدل‌های ترکیبی بیزی
• 23. مدل‌های تغییر حالت بیزی
• 24. استنتاج علی با داده‌های مشاهده‌ای
• 25. مشکلات شناسایی در استنتاج علی
• 26. روش‌های شناسایی علی
• 27. تنظیم اثرات مداخله
• 28. کاربردهای استنتاج علی در علوم اجتماعی
• 29. کاربردهای استنتاج علی در پزشکی
• 30. کاربردهای استنتاج علی در اقتصاد
• 31. کاربردهای استنتاج علی در مهندسی
• 32. ارزیابی مدل‌های بیزی
• 33. اعتبارسنجی متقابل مدل‌های بیزی
• 34. مقایسه مدل‌ها با استفاده از معیار اطلاعات بیزی (BIC)
• 35. مقایسه مدل‌ها با استفاده از فاکتور بیز
• 36. تفسیر نتایج استنتاج علی
• 37. نرم‌افزارهای کاربردی برای استنتاج بیزی
• 38. R و بسته bayes
• 39. Python و کتابخانه PyMC3
• 40. Stan: زبان مدل‌سازی احتمالاتی
• 41. BUGS و JAGS
• 42. بهینه‌سازی کد MCMC
• 43. مدیریت داده‌های گمشده
• 44. استفاده از اطلاعات پیشین غیر‌اطلاعاتی
• 45. مدل‌سازی اثرات تصادفی
• 46. مدل‌سازی اثرات تعاملی
• 47. استنتاج علی در داده‌های زمانی
• 48. مدل‌های سری زمانی بیزی
• 49. پیش‌بینی سری زمانی با استفاده از MCMC
• 50. تحلیل حساسیت در مدل‌های بیزی
• 51. مدل‌سازی داده‌های فضایی با رویکرد بیزی
• 52. مدل‌های Gaussian Process
• 53. روش‌های تقریب واریانسی در MCMC
• 54. روش‌های مبتنی بر Hamiltonian Monte Carlo
• 55. روش‌های مبتنی بر Stochastic Gradient MCMC
• 56. تکنیک‌های کاهش ابعاد در استنتاج بیزی
• 57. بررسی چالش‌های محاسباتی در MCMC
• 58. کاربردهای پیشرفته استنتاج علی
• 59. مدل‌سازی علّیت در شبکه‌های پیچیده
• 60. استنتاج علی در داده‌های بزرگ
• 61. استنتاج علی در داده‌های نامتعادل
• 62. مدل‌سازی سیستم‌های دینامیکی با رویکرد بیزی
• 63. استنتاج علی و یادگیری تقویتی
• 64. آینده استنتاج علی و MCMC