اپلیکیشن اندرویدی فلش‌کارت آموزشی مبانی MCMC برای دانشمندان پزشکی و پژوهشگران سلامت

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی MCMC برای دانشمندان پزشکی و پژوهشگران سلامت

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

موضوع میانی: پزشکی و اپیدمیولوژی (Medicine and Epidemiology)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی آماری در سلامت
• 2. مفاهیم پایه احتمالات
• 3. توزیع‌های احتمالی گسسته
• 4. توزیع‌های احتمالی پیوسته
• 5. مقدمه‌ای بر استنتاج آماری
• 6. برآورد حداکثر درست‌نمایی
• 7. آزمون فرض آماری
• 8. مفاهیم اساسی مدل‌های خطی
• 9. رگرسیون خطی ساده
• 10. رگرسیون خطی چندگانه
• 11. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLM)
• 12. رگرسیون لجستیک
• 13. رگرسیون پواسون
• 14. مدل‌های بقا
• 15. مقدمه‌ای بر زنجیره‌های مارکوف
• 16. فرآیندهای مارکوف در زمان گسسته
• 17. فرآیندهای مارکوف در زمان پیوسته
• 18. مقدمه‌ای بر الگوریتم‌های نمونه‌گیری زنجیره مارکوف مونت کارلو (MCMC)
• 19. مفهوم فضای حالت و انتقال
• 20. قضیه ارگودیک
• 21. تعادل در فرآیندهای مارکوف
• 22. الگوریتم Metropolis-Hastings
• 23. نمونه‌گیری Gibbs
• 24. مقدمه‌ای بر MCMC در عمل
• 25. انتخاب تابع درست‌نمایی
• 26. انتخاب تابع پیشین
• 27. کالیبراسیون و همگرایی الگوریتم‌های MCMC
• 28. معیارهای همگرایی (Gelman-Rubin, R-hat)
• 29. تشخیص همگرایی
• 30. بهینه‌سازی الگوریتم‌های MCMC
• 31. کاهش همبستگی نمونه‌ها
• 32. استفاده از نمونه‌های کمکی (Auxiliary Samples)
• 33. کاربرد MCMC در مدل‌های آماری پیچیده
• 34. مدل‌های سلسله مراتبی
• 35. استنتاج پارامترها در مدل‌های سلسله مراتبی
• 36. مدل‌سازی داده‌های طولی
• 37. مدل‌سازی داده‌های مکانی
• 38. کاربرد MCMC در زیست‌ستاتیک
• 39. تحلیل داده‌های کارآزمایی بالینی
• 40. مدل‌سازی ریسک بقا
• 41. تحلیل داده‌های اپیدمیولوژیک
• 42. مدل‌سازی پیش‌بینی بیماری
• 43. کاربرد MCMC در مدل‌سازی سلامت عمومی
• 44. تحلیل سری‌های زمانی سلامت
• 45. مدل‌سازی عوامل خطر بیماری‌های مزمن
• 46. کاربرد MCMC در علوم اعصاب محاسباتی
• 47. تحلیل داده‌های تصویربرداری عصبی
• 48. مدل‌سازی شبکه‌های عصبی
• 49. کاربرد MCMC در ژنتیک پزشکی
• 50. تحلیل داده‌های ژنومی
• 51. مدل‌سازی ارتباط ژن و بیماری
• 52. کاربرد MCMC در داروسازی
• 53. مدل‌سازی فارماکوکینتیک و فارماکودینامیک
• 54. بهینه‌سازی دوز دارو
• 55. کاربرد MCMC در اقتصاد سلامت
• 56. مدل‌سازی هزینه‌های سلامت
• 57. ارزیابی اقتصادی مداخلات سلامت
• 58. کاربرد MCMC در مدل‌سازی تصمیم‌گیری در سلامت
• 59. تحلیل درخت تصمیم
• 60. تحلیل شبیه‌سازی مونت کارلو
• 61. مقدمه‌ای بر زبان‌های برنامه‌نویسی آماری
• 62. استفاده از R برای MCMC
• 63. بسته‌های R برای MCMC (rjags, Stan, Nimble)
• 64. مقدمه‌ای بر زبان برنامه‌نویسی پایتون
• 65. بسته‌های پایتون برای MCMC (PyMC3, ArviZ)
• 66. نوشتن کد MCMC سفارشی
• 67. تصویرسازی نتایج MCMC
• 68. رسم توزیع‌های پسین
• 69. رسم نمودارهای همگرایی
• 70. رسم توابع خودهمبستگی (ACF)
• 71. ارزیابی حساسیت مدل
• 72. مدل‌سازی عدم قطعیت
• 73. گزارش‌دهی نتایج MCMC
• 74. مباحث پیشرفته در MCMC
• 75. روش‌های MCMC با نمونه‌گیری از خانواده‌های توزیع متغیر
• 76. روش‌های MCMC با استفاده از نمونه‌گیری از خانواده‌های توزیع متغیر (ادامه)
• 77. الگوریتم‌های MCMC وابسته به پارتیشن
• 78. روش‌های MCMC برای مدل‌های گرافیکی
• 79. استنتاج بایزی با MCMC
• 80. مقدمه‌ای بر یادگیری ماشین با MCMC
• 81. شبکه‌های بیزی
• 82. کاربرد شبکه‌های بیزی در سلامت
• 83. مدل‌سازی علت و معلولی با MCMC
• 84. مقدمه‌ای بر روش‌های نمونه‌گیری مبتنی بر جمعیت
• 85. نمونه‌گیری از طریق نمونه‌گیری مجدد وزنی (Importance Sampling)
• 86. نمونه‌گیری از طریق نمونه‌گیری مجدد وزنی (ادامه)
• 87. مقدمه‌ای بر مدل‌های حالت پنهان
• 88. کاربرد مدل‌های حالت پنهان در سلامت
• 89. مدل‌سازی دینامیک بیماری با مدل‌های حالت پنهان
• 90. مقدمه‌ای بر روش‌های MCMC تقریبی
• 91. مقدمه‌ای بر استنتاج بایزی غیرپارامتری
• 92. کاربرد MCMC در مدل‌سازی داده‌های پراکنده
• 93. کاربرد MCMC در مدل‌سازی داده‌های نامتعادل
• 94. کاربرد MCMC در مدل‌سازی داده‌های ناقص
• 95. کاربرد MCMC در مدل‌سازی داده‌های پرت
• 96. مروری بر مطالعات موردی MCMC در پژوهش‌های سلامت
• 97. مطالعه موردی ۱: مدل‌سازی مصرف دخانیات
• 98. مطالعه موردی ۲: پیش‌بینی شیوع آنفولانزا
• 99. مطالعه موردی ۳: تحلیل عوامل موثر بر امید به زندگی
• 100. مطالعه موردی ۴: مدل‌سازی اثربخشی واکسن