اپلیکیشن اندرویدی فلش‌کارت آموزشی طراحی و اجرای GLM بیزی با روش‌های MCMC

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و اجرای GLM بیزی با روش‌های MCMC

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

موضوع میانی: مدل‌های خطی تعمیم‌یافته بیزی (Bayesian Generalized Linear Models)

📋 سرفصل‌های دوره

• 1. مبانی مدل‌های خطی تعمیم‌یافته (GLM)
• 2. مقدمه‌ای بر آمار بیزی
• 3. مفاهیم پایه‌ای احتمال و آمار
• 4. توزیع‌های احتمال گسسته و پیوسته
• 5. توزیع‌های پیشین و پسین
• 6. قضیه بیز و کاربردهای آن
• 7. مقدمه‌ای بر زنجیره‌های مارکوف مونت کارلو (MCMC)
• 8. الگوریتم گیبس نمونه‌برداری
• 9. الگوریتم متروپلیس-هستینگز
• 10. ارزیابی همگرایی در MCMC
• 11. مقدمه‌ای بر مدل‌های خطی
• 12. رگرسیون خطی ساده
• 13. رگرسیون خطی چندگانه
• 14. مفاهیم مدل‌سازی آماری
• 15. انتخاب مدل و ارزیابی آن
• 16. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLM)
• 17. تابع پیوند در GLM
• 18. توزیع‌های خانواده نمایی
• 19. مدل رگرسیون پواسون
• 20. مدل رگرسیون لجستیک
• 21. مدل رگرسیون نمایی
• 22. مقدمه‌ای بر مدل‌های بیزی خطی تعمیم‌یافته (BGLM)
• 23. ترکیب آمار بیزی و GLM
• 24. فرآیند نمونه‌برداری بیزی برای GLM
• 25. نرم‌افزار R و بسته‌های آماری
• 26. مقدمه‌ای بر بسته‌های BGLM در R
• 27. بسته `rjags`
• 28. بسته `rstan`
• 29. بسته `nimble`
• 30. نوشتن مدل‌های سفارشی در `rjags`
• 31. نوشتن مدل‌های سفارشی در `rstan`
• 32. نوشتن مدل‌های سفارشی در `nimble`
• 33. مثال‌های کاربردی BGLM
• 34. مدل‌سازی داده‌های شمارشی با BGLM
• 35. مدل‌سازی داده‌های دودویی با BGLM
• 36. مدل‌سازی داده‌های بقا با BGLM
• 37. مدل‌سازی داده‌های سری زمانی با BGLM
• 38. مدل‌سازی داده‌های مکانی با BGLM
• 39. مقدمه‌ای بر مدل‌های سلسله مراتبی بیزی
• 40. مدل‌های سلسله مراتبی در GLM
• 41. پیاده‌سازی مدل‌های سلسله مراتبی با MCMC
• 42. مثال‌های کاربردی مدل‌های سلسله مراتبی بیزی
• 43. مقدمه‌ای بر مدل‌های مخلوط بیزی
• 44. مدل‌های مخلوط در GLM
• 45. پیاده‌سازی مدل‌های مخلوط با MCMC
• 46. مثال‌های کاربردی مدل‌های مخلوط بیزی
• 47. مقدمه‌ای بر مدل‌های غیرپارامتری بیزی
• 48. فرآیندهای گوسی
• 49. مدل‌های مخلوط گوسی
• 50. پیاده‌سازی مدل‌های غیرپارامتری با MCMC
• 51. مثال‌های کاربردی مدل‌های غیرپارامتری بیزی
• 52. اعتبارسنجی و ارزیابی مدل‌های BGLM
• 53. شاخص‌های ارزیابی مدل
• 54. اعتبارسنجی متقابل
• 55. تحلیل حساسیت
• 56. مقدمه‌ای بر مفاهیم پیشرفته در BGLM
• 57. مدل‌های خطی تعمیم‌یافته گسسته
• 58. مدل‌های خطی تعمیم‌یافته پیوسته
• 59. مدل‌های خطی تعمیم‌یافته غیرپارامتری
• 60. مقدمه‌ای بر بهینه‌سازی مدل‌های BGLM
• 61. نکات کاربردی در پیاده‌سازی MCMC
• 62. مدیریت داده‌های پرت در BGLM
• 63. مقایسه مدل‌های BGLM با مدل‌های فراوانی‌گرا
• 64. کاربرد BGLM در علوم اجتماعی
• 65. کاربرد BGLM در علوم پزشکی
• 66. کاربرد BGLM در علوم اقتصادی
• 67. کاربرد BGLM در علوم محیطی
• 68. کاربرد BGLM در مهندسی
• 69. کاربرد BGLM در مدیریت
• 70. کاربرد BGLM در آموزش
• 71. کاربرد BGLM در پژوهش‌های سلامت
• 72. کاربرد BGLM در تحلیل داده‌های زیستی
• 73. کاربرد BGLM در تحلیل داده‌های مالی
• 74. کاربرد BGLM در تحلیل داده‌های بازاریابی
• 75. کاربرد BGLM در تحلیل داده‌های ریسک
• 76. کاربرد BGLM در تحلیل داده‌های کیفیت
• 77. کاربرد BGLM در تحلیل داده‌های عملکرد
• 78. کاربرد BGLM در تحلیل داده‌های رضایت
• 79. کاربرد BGLM در تحلیل داده‌های رفتار
• 80. کاربرد BGLM در تحلیل داده‌های پیش‌بینی
• 81. کاربرد BGLM در تحلیل داده‌های طبقه‌بندی
• 82. کاربرد BGLM در تحلیل داده‌های خوشه‌بندی
• 83. کاربرد BGLM در تحلیل داده‌های تشخیص
• 84. کاربرد BGLM در تحلیل داده‌های شناسایی
• 85. کاربرد BGLM در تحلیل داده‌های کشف
• 86. کاربرد BGLM در تحلیل داده‌های استخراج
• 87. کاربرد BGLM در تحلیل داده‌های یادگیری
• 88. کاربرد BGLM در تحلیل داده‌های استنتاج
• 89. کاربرد BGLM در تحلیل داده‌های استنتاج بیزی
• 90. کاربرد BGLM در تحلیل داده‌های استنتاج آماری
• 91. کاربرد BGLM در تحلیل داده‌های مدل‌سازی پیشرفته
• 92. کاربرد BGLM در تحلیل داده‌های شبیه‌سازی آماری