دوره از تئوری تا عمل: یادگیری ماشین بیزی با PyMC همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره از تئوری تا عمل: یادگیری ماشین بیزی با PyMC

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

موضوع میانی: کاربرد PyMC در یادگیری ماشین بیزی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری ماشین بیزی
• 2. مبانی احتمال و آمار برای یادگیری ماشین
• 3. مفهوم احتمال شرطی و قضیه بیز
• 4. توزیع‌های احتمال گسسته و پیوسته
• 5. انتخاب توزیع پیشین مناسب
• 6. انتخاب توزیع درست‌نمایی مناسب
• 7. مفهوم استنتاج بیزی
• 8. روش‌های تقریبی در استنتاج بیزی
• 9. مقدمه‌ای بر PyMC
• 10. نصب و راه‌اندازی PyMC
• 11. ساختار مدل‌های بیزی در PyMC
• 12. تعریف متغیرهای تصادفی
• 13. تعریف مدل‌های خطی بیزی
• 14. رگرسیون خطی بیزی ساده
• 15. رگرسیون خطی بیزی چندگانه
• 16. مقدمه‌ای بر مدل‌های سلسله مراتبی
• 17. مدل‌های سلسله مراتبی برای داده‌های گروهی
• 18. استنتاج بیزی در مدل‌های سلسله مراتبی
• 19. مدل‌های گوسی با طبقه‌بندی سلسله مراتبی
• 20. مدل‌های لجستیک بیزی
• 21. طبقه‌بندی کننده بیزی ساده
• 22. طبقه‌بندی کننده بیزی چندکلاسه
• 23. مدل‌های گرافی احتمالی
• 24. شبکه‌های بیزی
• 25. پیاده‌سازی شبکه‌های بیزی با PyMC
• 26. استنتاج در شبکه‌های بیزی
• 27. مدل‌های غیر پارامتری بیزی
• 28. فرایندهای گوسی برای رگرسیون
• 29. فرایندهای گوسی برای طبقه‌بندی
• 30. مدل‌های پنهان مارکوف بیزی
• 31. مدل‌سازی سری‌های زمانی بیزی
• 32. مدل‌های پیش‌بینی سری‌های زمانی با PyMC
• 33. مدل‌سازی داده‌های مکانی بیزی
• 34. فرایندهای گوسی برای داده‌های مکانی
• 35. مدل‌سازی داده‌های تصویر با رویکرد بیزی
• 36. شبکه‌های عصبی بیزی
• 37. ترکیب شبکه‌های عصبی و استنتاج بیزی
• 38. مقدمه‌ای بر یادگیری تقویتی بیزی
• 39. مدل‌های یادگیری تقویتی با PyMC
• 40. کاربرد یادگیری ماشین بیزی در اقتصاد
• 41. مدل‌سازی ریسک اعتباری با رویکرد بیزی
• 42. مدل‌سازی پرتفوی سهام با رویکرد بیزی
• 43. کاربرد یادگیری ماشین بیزی در علوم پزشکی
• 44. مدل‌سازی تشخیص بیماری با رویکرد بیزی
• 45. مدل‌سازی پیش‌بینی شیوع بیماری با رویکرد بیزی
• 46. کاربرد یادگیری ماشین بیزی در علوم اجتماعی
• 47. مدل‌سازی رفتار مصرف‌کننده با رویکرد بیزی
• 48. مدل‌سازی نظرسنجی و تحلیل داده‌های اجتماعی با رویکرد بیزی
• 49. کاربرد یادگیری ماشین بیزی در مهندسی
• 50. بهینه‌سازی پارامترها با رویکرد بیزی
• 51. پیش‌بینی خطا در سیستم‌های مهندسی با رویکرد بیزی
• 52. مقدمه‌ای بر مدل‌های بیزی پیشرفته
• 53. مدل‌های گوسی با پارامترهای متغیر
• 54. مدل‌های مختلط گوسی بیزی
• 55. مدل‌های بیزی برای داده‌های پرتعداد
• 56. مدل‌سازی داده‌های باینری با رویکرد بیزی
• 57. مدل‌سازی داده‌های شمارشی با رویکرد بیزی
• 58. مدل‌سازی داده‌های بقا با رویکرد بیزی
• 59. مدل‌های بیزی برای تحلیل شبکه
• 60. تحلیل شبکه‌های اجتماعی با رویکرد بیزی
• 61. شناسایی جوامع در شبکه‌ها با رویکرد بیزی
• 62. مدل‌های بیزی برای پردازش زبان طبیعی
• 63. مدل‌سازی موضوعی با رویکرد بیزی
• 64. تحلیل احساسات با رویکرد بیزی
• 65. کاربرد PyMC در حل مسائل واقعی
• 66. مطالعه موردی: پیش‌بینی قیمت مسکن
• 67. مطالعه موردی: تشخیص تقلب مالی
• 68. مطالعه موردی: مدل‌سازی آب و هوا
• 69. مطالعه موردی: تحلیل داده‌های سلامت
• 70. ارزیابی مدل‌های بیزی
• 71. معیارهای سنجش برازش مدل
• 72. اعتبارسنجی متقابل برای مدل‌های بیزی
• 73. تحلیل حساسیت پارامترها
• 74. مقدمه‌ای بر روش‌های نمونه‌گیری پیشرفته
• 75. نمونه‌گیری بر اساس نسبت پذیرش
• 76. نمونه‌گیری زنجیره مارکوف مونت کارلو (MCMC)
• 77. الگوریتم‌های MCMC: Metropolis-Hastings
• 78. الگوریتم‌های MCMC: Gibbs Sampling
• 79. الگوریتم‌های MCMC: Hamiltonian Monte Carlo (HMC)
• 80. الگوریتم‌های MCMC: No-U-Turn Sampler (NUTS)
• 81. بهینه‌سازی مدل‌های بیزی
• 82. تنظیم ابرپارامترها در مدل‌های بیزی
• 83. مقایسه مدل‌های بیزی مختلف
• 84. مقدمه‌ای بر یادگیری بایزین عمیق
• 85. یادگیری بایزین عمیق با PyMC
• 86. کاربرد PyMC در تحقیقات علمی
• 87. انتشار نتایج مدل‌سازی بیزی
• 88. اصول اخلاقی در یادگیری ماشین بیزی
• 89. نکات تکمیلی و منابع بیشتر
• 90. تمرین‌های عملی و پروژه‌ها
• 91. جمع‌بندی مفاهیم کلیدی
• 92. مراحل توسعه یک مدل بیزی کامل
• 93. راهنمای عیب‌یابی رایج در PyMC
• 94. تکنیک‌های بصری‌سازی نتایج مدل‌های بیزی
• 95. بررسی همگرایی زنجیره‌های MCMC
• 96. استفاده از PyMC در محیط‌های ابری
• 97. مدل‌سازی بیزی برای داده‌های بزرگ
• 98. آینده یادگیری ماشین بیزی