دوره مدل‌سازی پیچیده علّی با MCMC همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌سازی پیچیده علّی با MCMC

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

موضوع میانی: کاربرد MCMC در استنتاج علّی (Causal Inference)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی علّی
• 2. مبانی استنتاج آماری
• 3. مفاهیم احتمالاتی پایه
• 4. توزیع‌های احتمالاتی گسسته
• 5. توزیع‌های احتمالاتی پیوسته
• 6. انتظار ریاضی و واریانس
• 7. قضیه بیز و استنتاج بیزی
• 8. مقدمه‌ای بر زنجیره‌های مارکوف
• 9. فضاهای حالت و انتقال در زنجیره‌های مارکوف
• 10. شرطی‌سازی و احتمالات شرطی
• 11. مقدمه‌ای بر نمونه‌گیری از توزیع‌ها
• 12. روش‌های نمونه‌گیری مستقیم
• 13. روش‌های نمونه‌گیری غیرمستقیم
• 14. مقدمه‌ای بر روش‌های مونت کارلو
• 15. کاربرد روش‌های مونت کارلو در انتگرال‌گیری
• 16. مقدمه‌ای بر نمونه‌گیری زنجیره مارکوف (MCMC)
• 17. الگوریتم متروپلیس-هستینگز
• 18. الگوریتم نمونه‌گیر گیبس
• 19. ارزیابی همگرایی در MCMC
• 20. معیارهای همگرایی MCMC
• 21. تشخیص واگرایی در MCMC
• 22. مدل‌های گرافیکی احتمالی
• 23. شبکه‌های بیزی
• 24. ساختار و پارامترهای شبکه‌های بیزی
• 25. استنتاج در شبکه‌های بیزی
• 26. روش‌های دقیق استنتاج در شبکه‌های بیزی
• 27. روش‌های تقریبی استنتاج در شبکه‌های بیزی
• 28. مقدمه‌ای بر مدل‌های علّی
• 29. تفاوت بین همبستگی و علیت
• 30. فرض علیت در مدل‌سازی
• 31. مدل‌های ساختاری معادلات
• 32. مبانی مدل‌های ساختاری معادلات
• 33. اجزای مدل‌های ساختاری معادلات
• 34. برآورد پارامترها در مدل‌های ساختاری معادلات
• 35. ارزیابی برازش مدل در مدل‌های ساختاری معادلات
• 36. مقدمه‌ای بر استنتاج علّی
• 37. مسئله عامل مخدوش‌کننده (Confounding)
• 38. روش‌های کنترل عامل مخدوش‌کننده
• 39. آزمایش‌های تصادفی کنترل شده (RCT)
• 40. ملاحظات اخلاقی در RCT
• 41. طراحی‌های شبه‌تجربی
• 42. تحلیل رگرسیونی و استنتاج علّی
• 43. متغیرهای ابزاری
• 44. روش تطبیق (Matching)
• 45. تحلیل سری زمانی و علیت
• 46. مقدمه‌ای بر مدل‌های علّی با MCMC
• 47. ترکیب MCMC با مدل‌های علّی
• 48. مدل‌سازی علّی با شبکه‌های بیزی و MCMC
• 49. برآورد پارامترهای علّی با MCMC
• 50. بررسی عدم قطعیت در استنتاج علّی با MCMC
• 51. مدل‌سازی اثرات متغیرهای پنهان علّی
• 52. کاربرد MCMC در مدل‌های علّی سلسله‌مراتبی
• 53. مدل‌سازی علّی در علوم اجتماعی با MCMC
• 54. مدل‌سازی علّی در اقتصاد با MCMC
• 55. مدل‌سازی علّی در پزشکی با MCMC
• 56. مدل‌سازی علّی در علوم محیطی با MCMC
• 57. مدل‌سازی علّی در مهندسی با MCMC
• 58. مدل‌سازی علّی در یادگیری ماشین با MCMC
• 59. روش‌های پیشرفته MCMC برای مدل‌های علّی
• 60. مدل‌سازی علّی پویا با MCMC
• 61. مدل‌سازی علّی شبکه‌ای با MCMC
• 62. مدل‌سازی علّی با عدم قطعیت داده‌ها
• 63. اعتبارسنجی مدل‌های علّی با MCMC
• 64. تفسیر نتایج مدل‌های علّی پیچیده
• 65. ارائه و گزارش‌دهی نتایج MCMC
• 66. نرم‌افزارهای رایج برای MCMC و مدل‌سازی علّی
• 67. کارگاه عملی مدل‌سازی علّی با MCMC
• 68. پروژه نهایی: مدل‌سازی علّی یک مسئله واقعی
• 69. مرور مباحث پیشرفته در استنتاج علّی
• 70. روش‌های بایاسین برای استنتاج علّی
• 71. مدل‌سازی علّی در حضور داده‌های ناقص
• 72. مدل‌سازی علّی با عوامل مداخله‌گر (Mediators)
• 73. مدل‌سازی علّی با تعدیل‌کننده‌ها (Moderators)
• 74. استنتاج علّی از داده‌های مشاهده‌ای
• 75. روش‌های مبتنی بر علت‌گرایی (Causal Inference Frameworks)
• 76. مبانی نظری استنتاج علّی
• 77. مدل‌سازی علّی در زنجیره عمر
• 78. مدل‌سازی علّی در تحلیل بقا
• 79. کاربرد MCMC در مدل‌های مخلوط (Mixture Models)
• 80. مدل‌سازی علّی در شبکه‌های عصبی
• 81. روش‌های خودکارسازی در MCMC
• 82. بهینه‌سازی الگوریتم‌های MCMC
• 83. ارزیابی استحکام نتایج علّی
• 84. مدل‌سازی علّی با استفاده از یادگیری تقویتی
• 85. مقدمه‌ای بر یادگیری عمیق علّی
• 86. کاربرد MCMC در مدل‌های آماری پیشرفته
• 87. تحلیل حساسیت در مدل‌های علّی
• 88. مدل‌سازی علّی در سیستم‌های پیچیده
• 89. اصول طراحی مدل‌های علّی
• 90. ارتباط بین مدل‌های علّی و یادگیری ماشین
• 91. تکنیک‌های پیشرفته نمونه‌گیری در MCMC
• 92. مطالعات موردی پیشرفته مدل‌سازی علّی
• 93. راهنمای عملی انتخاب مدل علّی مناسب
• 94. نکات کاربردی در پیاده‌سازی MCMC
• 95. مروری بر آخرین تحقیقات در مدل‌سازی علّی