دوره استنتاج بیزی در مدل‌های خطی تعمیم‌یافته با MCMC همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استنتاج بیزی در مدل‌های خطی تعمیم‌یافته با MCMC

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

موضوع میانی: استنتاج مبتنی بر مدل‌های خطی تعمیم‌یافته (GLM)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر استنتاج بیزی
• 2. مبانی احتمالات بیزی
• 3. قضیه بیز و کاربردهای آن
• 4. توزیع پیشین و پسین
• 5. توزیع‌های پیشین رایج
• 6. توزیع پسین برای پارامترها
• 7. مدل‌های خطی ساده
• 8. مفهوم مدل خطی تعمیم‌یافته
• 9. تابع پیوند در مدل‌های خطی تعمیم‌یافته
• 10. توزیع خطای مدل‌های خطی تعمیم‌یافته
• 11. معرفی روش‌های مونت کارلو زنجیره مارکوف (MCMC)
• 12. مبانی نظری MCMC
• 13. الگوریتم متروپلیس-هستینگز
• 14. الگوریتم گیبز سمپلینگ
• 15. ملاحظات عملی در اجرای MCMC
• 16. همگرایی در MCMC
• 17. تشخیص همگرایی
• 18. روش‌های بهبود کارایی MCMC
• 19. پیاده‌سازی MCMC با پایتون
• 20. بسته‌های نرم‌افزاری برای MCMC
• 21. مدل‌های خطی تعمیم‌یافته با استنتاج بیزی
• 22. استنتاج پارامترها در مدل‌های خطی تعمیم‌یافته بیزی
• 23. مدل رگرسیون لجستیک بیزی
• 24. مدل رگرسیون پواسون بیزی
• 25. مدل رگرسیون گاما بیزی
• 26. مدل‌های شمارشی بیزی
• 27. مدل‌های داده‌های طبقه‌بندی شده بیزی
• 28. مدل‌های سری زمانی بیزی
• 29. مدل‌های فضایی بیزی
• 30. مدل‌های سلسله مراتبی بیزی
• 31. پیش‌بینی با مدل‌های بیزی
• 32. اعتبار سنجی مدل‌های بیزی
• 33. مقایسه مدل‌های بیزی
• 34. کاربرد استنتاج بیزی در اقتصاد
• 35. کاربرد استنتاج بیزی در علوم اجتماعی
• 36. کاربرد استنتاج بیزی در پزشکی
• 37. کاربرد استنتاج بیزی در مهندسی
• 38. کاربرد استنتاج بیزی در علوم محیطی
• 39. کاربرد استنتاج بیزی در علوم مالی
• 40. کاربرد استنتاج بیزی در مدیریت ریسک
• 41. کاربرد استنتاج بیزی در بازاریابی
• 42. کاربرد استنتاج بیزی در علوم داده
• 43. مبانی آماری پیشرفته
• 44. قضیه حد مرکزی و کاربردهای آن
• 45. قضیه اعداد بزرگ
• 46. توزیع‌های نمونه‌گیری
• 47. آزمون فرض آماری
• 48. فاصله اطمینان
• 49. تحلیل واریانس (ANOVA)
• 50. رگرسیون چندگانه
• 51. مدل‌های خطی تعمیم‌یافته (GLM)
• 52. مبانی احتمالات و آمار
• 53. مقدمه‌ای بر احتمالات
• 54. متغیرهای تصادفی و توزیع‌ها
• 55. امید ریاضی و واریانس
• 56. توزیع‌های گسسته رایج
• 57. توزیع‌های پیوسته رایج
• 58. توزیع نرمال و خواص آن
• 59. روش‌های تخمین پارامتر
• 60. حداکثر درست نمایی
• 61. روش گشتاورها
• 62. استنتاج بیزی مقدماتی
• 63. مفاهیم اولیه استنتاج بیزی
• 64. قضیه بیز برای توزیع‌ها
• 65. توزیع‌های پیشین و پسین
• 66. استفاده از نرم‌افزار برای استنتاج بیزی
• 67. مقدمه‌ای بر زنجیره مارکوف
• 68. مفاهیم پایه زنجیره مارکوف
• 69. فرآیندهای مارکوف مونت کارلو (MCMC)
• 70. الگوریتم متروپلیس
• 71. الگوریتم گیبز
• 72. تشخیص همگرایی در MCMC
• 73. ارزیابی کیفیت نمونه‌ها
• 74. روش‌های بهبود کارایی MCMC
• 75. پیاده‌سازی MCMC در پایتون
• 76. بسته‌های آماری پایتون برای MCMC
• 77. مدل‌های خطی تعمیم‌یافته (GLM) با رویکرد بیزی
• 78. استنتاج پارامترها در GLM بیزی
• 79. مدل رگرسیون لجستیک بیزی
• 80. مدل رگرسیون پواسون بیزی
• 81. مدل رگرسیون گاما بیزی
• 82. مدل‌های داده‌های شمارشی بیزی
• 83. مدل‌های داده‌های طبقه‌بندی شده بیزی
• 84. مدل‌های سری زمانی بیزی
• 85. مدل‌های فضایی بیزی
• 86. مدل‌های سلسله مراتبی بیزی
• 87. پیش‌بینی و تفسیر نتایج در مدل‌های بیزی
• 88. اعتبارسنجی و مقایسه مدل‌های بیزی
• 89. کاربردهای عملی استنتاج بیزی در حوزه‌های مختلف
• 90. استنتاج بیزی در اقتصاد و امور مالی
• 91. استنتاج بیزی در علوم زیستی و پزشکی
• 92. استنتاج بیزی در علوم اجتماعی و رفتاری
• 93. استنتاج بیزی در مهندسی و علوم کاربردی
• 94. استنتاج بیزی در تحلیل داده‌های بزرگ
• 95. موضوعات پیشرفته در استنتاج بیزی
• 96. مدل‌های غیر پارامتری بیزی
• 97. مدل‌های گرافیکی بیزی
• 98. یادگیری ماشین بیزی
• 99. مباحث تکمیلی در MCMC
• 100. روش‌های MCMC پیچیده‌تر