دوره طراحی و پیاده‌سازی مدل‌های بیزی در BUGS همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و پیاده‌سازی مدل‌های بیزی در BUGS

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

موضوع میانی: زبان مدل‌سازی BUGS

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌های بیزی و کاربردهای آن
• 2. مبانی احتمال و استنباط بیزی
• 3. قضیه بیز و تفسیر آن
• 4. توزیع‌های پیشین و پسین
• 5. انتخاب توزیع پیشین مناسب
• 6. مدل‌سازی توزیع‌های احتمال گسسته
• 7. مدل‌سازی توزیع‌های احتمال پیوسته
• 8. مفاهیم اساسی در نرم‌افزار BUGS
• 9. نحو و ساختار زبان برنامه‌نویسی BUGS
• 10. تعریف مدل‌های ساده در BUGS
• 11. تعریف توزیع‌های پیشین در BUGS
• 12. تعریف توزیع‌های پسین در BUGS
• 13. نحوه وارد کردن داده‌ها در BUGS
• 14. اجرای مدل‌های بیزی با استفاده از MCMC
• 15. تکنیک‌های نمونه‌برداری مارکوف چین مونت کارلو (MCMC)
• 16. همگرایی زنجیره مارکوف
• 17. معیارهای ارزیابی همگرایی
• 18. تفسیر نتایج حاصل از BUGS
• 19. محاسبه میانگین، واریانس و فواصل اطمینان بیزی
• 20. رسم نمودارهای توزیع پسین
• 21. مدل‌سازی رگرسیون خطی بیزی
• 22. مدل‌سازی رگرسیون لجستیک بیزی
• 23. مدل‌سازی سری‌های زمانی بیزی
• 24. مدل‌سازی مدل‌های سلسله مراتبی بیزی
• 25. مقدمه‌ای بر مدل‌های سلسله مراتبی
• 26. طراحی مدل‌های سلسله مراتبی در BUGS
• 27. کاربرد مدل‌های سلسله مراتبی در علوم زیستی
• 28. کاربرد مدل‌های سلسله مراتبی در علوم اجتماعی
• 29. کاربرد مدل‌های سلسله مراتبی در اقتصاد
• 30. مدل‌سازی داده‌های شمارشی در BUGS
• 31. مدل‌سازی داده‌های دودویی در BUGS
• 32. مدل‌سازی داده‌های تاخوری در BUGS
• 33. مدل‌سازی مدل‌های خطای در BUGS
• 34. مدل‌سازی مدل‌های خطای ساختاری در BUGS
• 35. مدل‌سازی مدل‌های ناپارامتری بیزی
• 36. مقدمه‌ای بر مدل‌های ناپارامتری
• 37. مدل‌سازی فرآیندهای گوسی در BUGS
• 38. مدل‌سازی فرآیندهای پواسون در BUGS
• 39. مدل‌سازی توزیع‌های مخلوط در BUGS
• 40. کاربرد مدل‌های مخلوط در داده‌های گروه‌بندی شده
• 41. ارزیابی مدل‌های بیزی: معیارهای اطلاعاتی
• 42. معیار اطلاعاتی آکائیکه بیزی (BIC)
• 43. معیار اطلاعاتی آکائیکه اصلاح شده بیزی (AICc)
• 44. معیار اطلاعاتی کرایتریون (DIC)
• 45. مقایسه مدل‌های بیزی با استفاده از معیارهای اطلاعاتی
• 46. اعتبارسنجی متقابل بیزی
• 47. اعتبارسنجی متقابل K-fold بیزی
• 48. اعتبارسنجی متقابل Leave-One-Out بیزی
• 49. انجام تحلیل حساسیت در مدل‌های بیزی
• 50. تأثیر انتخاب توزیع پیشین بر نتایج
• 51. تأثیر انتخاب توزیع پسین بر نتایج
• 52. بررسی تأثیر پارامترهای مدل
• 53. تحلیل سناریوهای مختلف در مدل‌های بیزی
• 54. مدل‌سازی پیش‌بینی در BUGS
• 55. تولید پیش‌بینی‌های نقطه‌ای
• 56. تولید فواصل پیش‌بینی بیزی
• 57. ارزیابی دقت پیش‌بینی‌ها
• 58. کاربرد مدل‌های بیزی در تصمیم‌گیری
• 59. مدل‌سازی تصمیم‌گیری با عدم قطعیت
• 60. استفاده از نتایج بیزی در فرآیندهای تصمیم‌گیری
• 61. مدل‌سازی اقتصادی بیزی
• 62. مقدمه‌ای بر اقتصاد سنجی بیزی
• 63. کاربرد مدل‌های بیزی در اقتصاد کلان
• 64. کاربرد مدل‌های بیزی در اقتصاد خرد
• 65. مدل‌سازی مالی بیزی
• 66. مقدمه‌ای بر مدل‌های مالی بیزی
• 67. مدل‌سازی ریسک در بازارهای مالی
• 68. مدل‌سازی قیمت‌گذاری دارایی‌ها
• 69. مدل‌سازی بیزی در علوم پزشکی
• 70. کاربرد مدل‌های بیزی در مطالعات بالینی
• 71. مدل‌سازی بقا در علوم پزشکی
• 72. مدل‌سازی تشخیص بیماری
• 73. مدل‌سازی بیزی در علوم زیستی
• 74. کاربرد مدل‌های بیزی در ژنتیک
• 75. مدل‌سازی تکامل
• 76. مدل‌سازی بوم‌شناسی
• 77. مدل‌سازی بیزی در علوم اجتماعی
• 78. کاربرد مدل‌های بیزی در جامعه‌شناسی
• 79. مدل‌سازی رفتار مصرف‌کننده
• 80. مدل‌سازی روابط اجتماعی
• 81. مدل‌سازی بیزی در مهندسی
• 82. کاربرد مدل‌های بیزی در مهندسی اطمینان
• 83. مدل‌سازی قابلیت اطمینان سیستم‌ها
• 84. مدل‌سازی تشخیص خطا
• 85. مقدمه‌ای بر نرم‌افزارهای جایگزین BUGS
• 86. کاربرد نرم‌افزار Stan
• 87. کاربرد نرم‌افزار JAGS
• 88. کاربرد نرم‌افزار PyMC3
• 89. مقایسه BUGS با نرم‌افزارهای جایگزین
• 90. مباحث پیشرفته در مدل‌سازی بیزی
• 91. روش‌های نمونه‌برداری پیشرفته
• 92. روش‌های بهینه‌سازی بیزی
• 93. یادگیری ماشین بیزی
• 94. مقدمه‌ای بر یادگیری ماشین بیزی
• 95. شبکه‌های بیزی
• 96. استنتاج در شبکه‌های بیزی
• 97. کاربرد شبکه‌های بیزی در سیستم‌های هوشمند
• 98. مدل‌سازی آماری پیشرفته با رویکرد بیزی
• 99. مباحث نوین در استنتاج بیزی
• 100. کاربرد مدل‌های بیزی در داده‌های بزرگ