دوره استقرار مدل‌های بیزی پیچیده با JAGS و R همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استقرار مدل‌های بیزی پیچیده با JAGS و R

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

موضوع میانی: ادغام JAGS با R

📋 سرفصل‌های دوره

• 1. مبانی نظری مدل‌های بیزی
• 2. مفاهیم اولیه احتمال و آمار
• 3. توزیع‌های احتمال گسسته و پیوسته
• 4. مقدمه‌ای بر استنباط بیزی
• 5. قضیه بیز و کاربردهای آن
• 6. مدل‌های خطی تعمیم‌یافته بیزی
• 7. مقدمه‌ای بر نرم‌افزار R برای تحلیل آماری
• 8. نصب و پیکربندی R و RStudio
• 9. کار با داده‌ها در R
• 10. تجسم داده‌ها در R
• 11. مقدمه‌ای بر زبان برنامه‌نویسی JAGS
• 12. نصب و راه‌اندازی JAGS
• 13. ساختار مدل‌های JAGS
• 14. نوشتن اولین مدل بیزی در JAGS
• 15. پارامترهای مدل و توزیع‌های پیشین
• 16. انتخاب توزیع‌های پیشین مناسب
• 17. تفسیر نتایج مدل‌های بیزی
• 18. نمودارهای سری زمانی در R
• 19. مدل‌های رگرسیونی خطی بیزی در JAGS
• 20. مقدمه‌ای بر زنجیره مارکوف مونت کارلو (MCMC)
• 21. الگوریتم گیبس سمپلینگ
• 22. الگوریتم Metropolis-Hastings
• 23. ارزیابی همگرایی زنجیره‌های MCMC
• 24. شاخص‌های ارزیابی همگرایی (Gelman-Rubin)
• 25. تنظیم پارامترهای MCMC
• 26. مدل‌های رگرسیونی تعمیم‌یافته بیزی
• 27. مدل‌های رگرسیون لجستیک بیزی
• 28. مدل‌های رگرسیون پواسون بیزی
• 29. مدل‌های رگرسیون منفی دوجمله‌ای بیزی
• 30. مدل‌های رگرسیون کوانتیل بیزی
• 31. مدل‌های سلسله مراتبی بیزی (Hierarchical Models)
• 32. مقدمه‌ای بر مدل‌های سلسله مراتبی
• 33. مدل‌های چند سطحی در R
• 34. مدل‌های سلسله مراتبی در JAGS
• 35. کاربرد مدل‌های سلسله مراتبی در علوم زیستی
• 36. کاربرد مدل‌های سلسله مراتبی در علوم اجتماعی
• 37. مدل‌های فضایی بیزی
• 38. مقدمه‌ای بر مدل‌های فضایی
• 39. مدل‌های خودهمبستگی فضایی
• 40. مدل‌های پیش‌بینی فضایی
• 41. کاربرد مدل‌های فضایی در علوم محیطی
• 42. مدل‌های زمانی بیزی
• 43. مقدمه‌ای بر مدل‌های سری زمانی بیزی
• 44. مدل‌های ARIMA بیزی
• 45. مدل‌های حالت-فضا بیزی
• 46. کاربرد مدل‌های زمانی در اقتصاد
• 47. مدل‌های مخلوط (Mixture Models)
• 48. مقدمه‌ای بر مدل‌های مخلوط
• 49. مدل‌های مخلوط گوسی
• 50. کاربرد مدل‌های مخلوط در خوشه‌بندی
• 51. مدل‌های رگرسیون ناپارامتری بیزی
• 52. مقدمه‌ای بر مدل‌های ناپارامتری
• 53. مدل‌های کرنل در R
• 54. مدل‌های ناپارامتری در JAGS
• 55. مدل‌های انتخاب گسسته بیزی
• 56. مقدمه‌ای بر مدل‌های انتخاب گسسته
• 57. مدل‌های Logit و Probit بیزی
• 58. کاربرد در تحلیل رفتار مصرف‌کننده
• 59. مدل‌های بقا بیزی
• 60. مقدمه‌ای بر مدل‌های بقا
• 61. مدل‌های کاپلان-مایر بیزی
• 62. مدل‌های کاکس بیزی
• 63. کاربرد در پزشکی و مهندسی
• 64. مدل‌های حالت پنهان مارکوف بیزی (HMM)
• 65. مقدمه‌ای بر HMM
• 66. مدل‌سازی HMM در JAGS
• 67. کاربرد در پردازش سیگنال و زیست‌شناسی
• 68. مدل‌های بیزی برای داده‌های گمشده
• 69. روش‌های جایگزینی داده‌های گمشده
• 70. مدل‌سازی داده‌های گمشده در JAGS
• 71. اعتبارسنجی متقابل و انتخاب مدل
• 72. کاربرد در تحلیل داده‌های پیمایشی
• 73. مدل‌های بیزی برای تحلیل شبکه‌های اجتماعی
• 74. مقدمه‌ای بر تحلیل شبکه‌های اجتماعی
• 75. مدل‌سازی روابط در شبکه‌ها
• 76. کاربرد در علوم ارتباطات
• 77. مدل‌های بیزی برای داده‌های تصویری
• 78. مقدمه‌ای بر پردازش تصویر بیزی
• 79. مدل‌های فیلد مارکوف تصادفی
• 80. کاربرد در بینایی ماشین
• 81. مدل‌های بیزی برای داده‌های متنی
• 82. مقدمه‌ای بر تحلیل متن بیزی
• 83. مدل‌های موضوعی (Topic Models)
• 84. کاربرد در پردازش زبان طبیعی
• 85. تکنیک‌های پیشرفته MCMC
• 86. نمونه‌گیری با نمونه‌گیری متقابل (Interleaved Sampling)
• 87. نمونه‌گیری با پارتیشن‌بندی (Partitioned Sampling)
• 88. بهینه‌سازی پارامترهای MCMC
• 89. مدل‌های بیزی پویا (Dynamic Bayesian Models)
• 90. مقدمه‌ای بر مدل‌های پویا
• 91. مدل‌های گرافیکی بیزی پویا
• 92. کاربرد در سیستم‌های پیچیده
• 93. مدل‌های بیزی برای داده‌های طولانی (Longitudinal Data)
• 94. مقدمه‌ای بر داده‌های طولانی
• 95. مدل‌های منحنی رشد مختلط بیزی
• 96. کاربرد در مطالعات بالینی
• 97. مدل‌های بیزی در یادگیری ماشین
• 98. مقدمه‌ای بر یادگیری ماشین بیزی
• 99. مدل‌های طبقه‌بندی بیزی
• 100. مدل‌های رگرسیون بیزی