دوره یادگیری متغیر برای مدل‌های خطی تعمیم‌یافته بیزی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری متغیر برای مدل‌های خطی تعمیم‌یافته بیزی

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

موضوع میانی: یادگیری متغیر (Variational Inference)

📋 سرفصل‌های دوره

• 1. مبانی احتمال و آمار در یادگیری بیزی
• 2. مفاهیم اولیه مدل‌های خطی تعمیم‌یافته
• 3. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته بیزی
• 4. توزیع‌های پیشین و پسین در مدل‌های بیزی
• 5. انتخاب توزیع پیشین مناسب
• 6. روش‌های استنتاج بیزی
• 7. تقریب‌های نقطه‌ای و کاربرد آن‌ها
• 8. روش‌های مونت کارلو زنجیره مارکوف (MCMC)
• 9. الگوریتم گیبس سمپلینگ
• 10. الگوریتم متروپولیس-هستینگز
• 11. ارزیابی مدل‌های بیزی
• 12. معیارهای انتخاب مدل در رویکرد بیزی
• 13. اعتبار سنجی متقابل در مدل‌های بیزی
• 14. مدل‌های خطی تعمیم‌یافته کلاسیک
• 15. رگرسیون خطی و مفروضات آن
• 16. آنالیز واریانس (ANOVA)
• 17. رگرسیون لجستیک
• 18. مدل‌های پواسون برای داده‌های شمارشی
• 19. کاربرد توزیع‌های عمومی در مدل‌سازی
• 20. مقدمه‌ای بر متغیرهای تصادفی و توزیع‌ها
• 21. توزیع‌های گسسته و پیوسته
• 22. توزیع نرمال و خواص آن
• 23. توزیع گاما و بتا
• 24. توزیع‌های شرطی و حاشیه‌ای
• 25. قضیه بیز و تفسیر آن
• 26. مفاهیم امید ریاضی و واریانس
• 27. همبستگی و کوواریانس
• 28. تحلیل مولفه‌های اصلی (PCA)
• 29. تحلیل عاملی اکتشافی
• 30. مقدمه‌ای بر یادگیری ماشین
• 31. یادگیری نظارت شده و بدون نظارت
• 32. یادگیری تقویتی
• 33. روش‌های ارزیابی مدل در یادگیری ماشین
• 34. انواع خطاهای مدل (Bias-Variance Tradeoff)
• 35. بیش‌برازش و کم‌برازش
• 36. تنظیم‌گری (Regularization) در مدل‌های خطی
• 37. روش‌های متداول در یادگیری ماشین
• 38. درختان تصمیم
• 39. جنگل‌های تصادفی
• 40. ماشین‌های بردار پشتیبان (SVM)
• 41. شبکه‌های عصبی مقدماتی
• 42. مقدمه‌ای بر یادگیری عمیق
• 43. شبکه‌های عصبی کانولوشنال (CNN)
• 44. شبکه‌های عصبی بازگشتی (RNN)
• 45. یادگیری انتقالی (Transfer Learning)
• 46. کاربرد یادگیری ماشین در حوزه‌های مختلف
• 47. پردازش زبان طبیعی (NLP)
• 48. بینایی ماشین
• 49. سیستم‌های توصیه‌گر
• 50. مدل‌سازی سری‌های زمانی
• 51. مقدمه‌ای بر اقتصادسنجی بیزی
• 52. مدل‌های اقتصادسنجی خطی بیزی
• 53. تخمین پارامترها در مدل‌های اقتصادسنجی بیزی
• 54. آزمون فرضیه در اقتصادسنجی بیزی
• 55. پیش‌بینی در مدل‌های اقتصادسنجی بیزی
• 56. مدل‌های سری زمانی بیزی
• 57. مدل‌های رگرسیون پویا بیزی
• 58. کاربرد مدل‌های خطی تعمیم‌یافته بیزی در مالی
• 59. مدل‌سازی ریسک اعتباری
• 60. مدل‌سازی پیش‌بینی بازده سهام
• 61. مدل‌سازی پرتفوی بهینه
• 62. مدل‌سازی اقتصادسنجی بیزی برای سیاست‌گذاری
• 63. تحلیل سیاست‌های پولی و مالی
• 64. مدل‌سازی تاثیر شوک‌های اقتصادی
• 65. کاربرد مدل‌های بیزی در علوم اجتماعی
• 66. تحلیل پیمایش‌ها و داده‌های پرسشنامه‌ای
• 67. مدل‌سازی رفتار رای‌دهندگان
• 68. تحلیل شبکه‌های اجتماعی
• 69. کاربرد مدل‌های بیزی در علوم زیستی
• 70. مدل‌سازی ژنتیکی
• 71. مدل‌سازی اپیدمیولوژیک
• 72. تحلیل داده‌های بالینی
• 73. مقدمه‌ای بر مفاهیم پیشرفته در مدل‌سازی بیزی
• 74. مدل‌های سلسله مراتبی بیزی
• 75. مدل‌های گرافیکی بیزی
• 76. استنتاج متغیر پنهان
• 77. روش‌های هایرارکیکال بیزی در اقتصاد
• 78. کاربرد مدل‌های بیزی در مدیریت و تصمیم‌گیری
• 79. تحلیل تصمیم‌گیری تحت عدم قطعیت
• 80. مدل‌سازی ریسک عملیاتی
• 81. مدل‌سازی پیش‌بینی تقاضا
• 82. مباحث پیشرفته در MCMC
• 83. روش‌های نمونه‌برداری پیشرفته
• 84. تشخیص همگرایی در MCMC
• 85. مدل‌های خطی تعمیم‌یافته بیزی برای داده‌های فضایی
• 86. مدل‌سازی داده‌های مکانی و جغرافیایی
• 87. کاربرد در تحلیل‌های شهری و محیطی
• 88. مدل‌سازی بیزی برای داده‌های حجیم (Big Data)
• 89. چالش‌ها و رویکردها در تحلیل داده‌های بزرگ
• 90. پیاده‌سازی مدل‌های بیزی در مقیاس بزرگ
• 91. نرم‌افزارها و ابزارها در محاسبات بیزی
• 92. زبان‌های برنامه‌نویسی آماری (R, Python)
• 93. کتابخانه‌های تخصصی بیزی (Stan, PyMC3)
• 94. ملاحظات عملی در پیاده‌سازی مدل‌های بیزی
• 95. تفسیر نتایج و گزارش‌دهی
• 96. محدودیت‌های مدل‌های بیزی و رویکردهای جایگزین
• 97. خلاصه‌ای از مباحث پیشرفته و کاربردی
• 98. پروژه‌های عملی در یادگیری متغیر برای مدل‌های خطی تعمیم‌یافته بیزی