دوره شبیه‌سازی حرارتی برای استنتاج آماری بیزی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شبیه‌سازی حرارتی برای استنتاج آماری بیزی

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

موضوع میانی: نمونه‌گیری از طریق نمونه‌های شبیه شده (Simulated Annealing)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر استنتاج آماری بیزی
• 2. قضیه بیز و کاربردهای آن
• 3. مفاهیم اولیه احتمال شرطی و توزیع‌های پیشین
• 4. انتخاب توزیع پیشین مناسب
• 5. توزیع‌های پیشین متداول در مدل‌های خطی
• 6. مدل‌سازی توزیع درست‌نمایی
• 7. توزیع‌های نرمال، پواسون و برنولی در استنتاج بیزی
• 8. توزیع‌های پیشین مشترک
• 9. نظریه اطلاعات و انتخاب توزیع پیشین
• 10. ارزیابی مدل بیزی: معیارهای اطلاعاتی
• 11. مقدمه‌ای بر روش‌های شبیه‌سازی مارکوف زنجیره‌ای مونت کارلو (MCMC)
• 12. الگوریتم گیبز سمپلینگ
• 13. الگوریتم Metropolis-Hastings
• 14. تشخیص همگرایی در MCMC
• 15. ارزیابی کیفیت نمونه‌ها
• 16. تکنیک‌های پیشرفته MCMC
• 17. شبیه‌سازی حرارتی به عنوان یک روش MCMC
• 18. مبانی شبیه‌سازی حرارتی
• 19. معادله فوکر-پلانک در شبیه‌سازی حرارتی
• 20. تنظیم دما در شبیه‌سازی حرارتی
• 21. روش‌های نمونه‌برداری در شبیه‌سازی حرارتی
• 22. کاربرد شبیه‌سازی حرارتی در بهینه‌سازی
• 23. شبیه‌سازی حرارتی برای توزیع‌های پیچیده
• 24. مقدمه‌ای بر مدل‌های خطی بیزی
• 25. رگرسیون خطی بیزی
• 26. مدل‌های لجستیک بیزی
• 27. مدل‌های سلسله مراتبی بیزی
• 28. کاربرد مدل‌های سلسله مراتبی در علوم اجتماعی
• 29. مدل‌های سری زمانی بیزی
• 30. مدل‌های مکانی بیزی
• 31. مقدمه‌ای بر شبکه‌های بیزی
• 32. ساخت و یادگیری شبکه‌های بیزی
• 33. استنتاج در شبکه‌های بیزی
• 34. کاربردهای شبکه‌های بیزی در هوش مصنوعی
• 35. مقدمه‌ای بر یادگیری عمیق بیزی
• 36. شبکه‌های عصبی بیزی
• 37. استنتاج بیزی در شبکه‌های عصبی کانولوشنی
• 38. استنتاج بیزی در شبکه‌های عصبی بازگشتی
• 39. کاربرد یادگیری عمیق بیزی در پردازش تصویر
• 40. کاربرد یادگیری عمیق بیزی در پردازش زبان طبیعی
• 41. مقدمه‌ای بر مدل‌های گرافیکی بیزی
• 42. مدل‌های گرافیکی پنهان مارکوف
• 43. مدل‌های گرافیکی متغیر پنهان
• 44. کاربرد مدل‌های گرافیکی در سیستم‌های توصیه‌گر
• 45. مقدمه‌ای بر روش‌های تقریبی استنتاج بیزی
• 46. کاهش بعد و تقریب‌های بیزی
• 47. روش‌های استنتاج متغیر (Variational Inference)
• 48. کاربرد استنتاج متغیر در یادگیری عمیق
• 49. مقدمه‌ای بر مدل‌های فراپارامتری بیزی
• 50. فرآیندهای گوسی
• 51. کاربرد فرآیندهای گوسی در رگرسیون و طبقه‌بندی
• 52. فرآیندهای دیریکله
• 53. کاربرد فرآیندهای دیریکله در مدل‌سازی موضوعی
• 54. مقدمه‌ای بر تفسیرپذیری مدل‌های بیزی
• 55. روش‌های تفسیرپذیری در مدل‌های خطی بیزی
• 56. تفسیرپذیری در شبکه‌های عصبی بیزی
• 57. روش‌های توضیح‌دهنده مدل‌های پیچیده
• 58. کاربرد تفسیرپذیری در تصمیم‌گیری‌های بالینی
• 59. مقدمه‌ای بر ارزیابی و انتخاب مدل بیزی
• 60. اعتبارسنجی متقابل بیزی
• 61. معیارهای انتخاب مدل بیزی (WAIC, LOO-CV)
• 62. مقایسه مدل‌های بیزی با روش‌های فراوانی‌گرا
• 63. کاربرد انتخاب مدل در پروژه‌های تحقیقاتی
• 64. مقدمه‌ای بر نرم‌افزارهای آماری بیزی
• 65. استفاده از Stan در استنتاج بیزی
• 66. استفاده از PyMC3 برای مدل‌سازی بیزی
• 67. استفاده از brms در R
• 68. مقایسه نرم‌افزارهای آماری بیزی
• 69. مقدمه‌ای بر کاربردهای عملی استنتاج بیزی
• 70. کاربرد در علوم زیستی و پزشکی
• 71. کاربرد در علوم اقتصادی و مالی
• 72. کاربرد در علوم اجتماعی و رفتاری
• 73. کاربرد در مهندسی و علوم کامپیوتر
• 74. مقدمه‌ای بر چالش‌های استنتاج بیزی
• 75. پیچیدگی محاسباتی در مدل‌های بزرگ
• 76. انتخاب و ارزیابی مدل‌های پیچیده
• 77. تفسیر نتایج برای مخاطبان غیرمتخصص
• 78. ملاحظات اخلاقی در استفاده از مدل‌های بیزی
• 79. روش‌های پیشرفته شبیه‌سازی حرارتی
• 80. تنظیم پارامترهای پیش‌بینی‌کننده در شبیه‌سازی حرارتی
• 81. کاربرد شبیه‌سازی حرارتی در مدل‌های غیرخطی
• 82. شبیه‌سازی حرارتی برای توزیع‌های چندوجهی
• 83. کاربرد شبیه‌سازی حرارتی در مسائلی با ابعاد بالا
• 84. استنتاج پارامترهای مدل با شبیه‌سازی حرارتی
• 85. ارزیابی عدم قطعیت با شبیه‌سازی حرارتی
• 86. کاربرد شبیه‌سازی حرارتی در یادگیری ماشین بیزی
• 87. مقایسه شبیه‌سازی حرارتی با سایر روش‌های MCMC
• 88. پژوهش‌های نوین در شبیه‌سازی حرارتی