دوره مدل‌سازی سری زمانی پویا با استفاده از زنجیره‌های مارکوف مونت‌کارلو همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌سازی سری زمانی پویا با استفاده از زنجیره‌های مارکوف مونت‌کارلو

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

موضوع میانی: مدل‌های سری زمانی بیزی (Bayesian Time Series Models)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی سری زمانی پویا
• 2. مبانی زنجیره‌های مارکوف
• 3. فرآیندهای مارکوف خطی
• 4. مدل‌های فضای حالت
• 5. مقدمه‌ای بر روش‌های مونت‌کارلو
• 6. شبیه‌سازی مونت‌کارلو
• 7. روش‌های نمونه‌گیری اولیه (Basic Sampling Methods)
• 8. نمونه‌گیری پذیرش-رد (Acceptance-Rejection Sampling)
• 9. نمونه‌گیری اهمیت (Importance Sampling)
• 10. مقدمه‌ای بر زنجیره‌های مارکوف مونت‌کارلو (MCMC)
• 11. الگوریتم متروپلیس-هستینگز (Metropolis-Hastings Algorithm)
• 12. نمونه‌گیری گیبس (Gibbs Sampling)
• 13. مبانی نظری MCMC
• 14. همگرایی زنجیره‌های مارکوف
• 15. توزیع پایدار (Stationary Distribution)
• 16. معیارهای ارزیابی همگرایی
• 17. نمونه‌گیری از توزیع‌های پیچیده
• 18. مدل‌های احتمالاتی بیزی (Bayesian Probabilistic Models)
• 19. استنتاج بیزی (Bayesian Inference)
• 20. کاربرد MCMC در استنتاج بیزی
• 21. مدل‌های خطی تعمیم‌یافته بیزی (Bayesian Generalized Linear Models)
• 22. مدل‌های خودرگرسیو (AR Models)
• 23. مدل‌های میانگین متحرک (MA Models)
• 24. مدل‌های ARMA
• 25. مدل‌های ARIMA
• 26. مدل‌های فصلی ARIMA (SARIMA)
• 27. مدل‌های GARCH
• 28. مدل‌های شرطی ناهمسانی (Conditional Heteroskedasticity Models)
• 29. مدل‌های سری زمانی پویا با حالت‌های پنهان
• 30. مدل‌های مارکوف پنهان (Hidden Markov Models - HMM)
• 31. کاربرد HMM در سری‌های زمانی
• 32. مدل‌های مارکوف پنهان بیزی
• 33. مدل‌های فضای حالت پویا (Dynamic State-Space Models)
• 34. فیلتر کالمن (Kalman Filter)
• 35. فیلتر کالمن-بوک (Kalman-Bucy Filter)
• 36. فیلترهای غیرخطی (Non-linear Filters)
• 37. تخمین پارامتر در مدل‌های فضای حالت
• 38. روش‌های تخمین بیشینه درست‌نمایی (Maximum Likelihood Estimation)
• 39. تخمین بیزی در مدل‌های فضای حالت
• 40. کاربرد MCMC در تخمین پارامتر مدل‌های فضای حالت
• 41. مدل‌های سری زمانی برای داده‌های پرتکرار (Longitudinal Data)
• 42. مدل‌های خطی مختلط (Mixed-Effects Models)
• 43. مدل‌های فضایی-زمانی (Spatio-temporal Models)
• 44. مدل‌های سری زمانی مالی (Financial Time Series Models)
• 45. مدل‌سازی نوسانات (Volatility Modeling)
• 46. مدل‌های سری زمانی برای پیش‌بینی
• 47. ارزیابی عملکرد پیش‌بینی
• 48. معیارهای ارزیابی پیش‌بینی (RMSE, MAE, etc.)
• 49. اعتبارسنجی متقابل (Cross-validation)
• 50. تکنیک‌های اعتبارسنجی سری زمانی
• 51. مقدمه‌ای بر مدل‌های سری زمانی پویا با ساختار پیچیده
• 52. مدل‌های سری زمانی با تغییرات ساختاری (Structural Breaks)
• 53. مدل‌های سری زمانی با وابستگی مقطعی (Cross-sectional Dependence)
• 54. کاربرد MCMC در مدل‌های سری زمانی پیچیده
• 55. مدل‌سازی داده‌های پرتکرار با استفاده از MCMC
• 56. مدل‌سازی داده‌های مکانی-زمانی با استفاده از MCMC
• 57. مدل‌سازی سری زمانی در علوم اقتصادی
• 58. کاربرد MCMC در مدل‌های اقتصادسنجی
• 59. مدل‌سازی سری زمانی در علوم مالی
• 60. مدل‌سازی ریسک در بازارهای مالی با MCMC
• 61. مدل‌سازی سری زمانی در علوم زیستی
• 62. مدل‌سازی داده‌های زیستی با استفاده از MCMC
• 63. مدل‌سازی سری زمانی در علوم محیطی
• 64. کاربرد MCMC در مدل‌سازی‌های محیطی
• 65. مدل‌سازی سری زمانی در علوم اجتماعی
• 66. تحلیل داده‌های پیمایشی با MCMC
• 67. کاربرد MCMC در شبکه‌های عصبی بازگشتی (RNN)
• 68. یادگیری عمیق برای سری‌های زمانی
• 69. مدل‌های ترنسفورمر برای سری‌های زمانی
• 70. مباحث پیشرفته در MCMC
• 71. نمونه‌گیری از مدل‌های بیزی سلسله‌مراتبی (Hierarchical Bayesian Models)
• 72. کاهش ابعاد در مدل‌های MCMC
• 73. روش‌های موازی‌سازی در MCMC
• 74. نرم‌افزارهای MCMC (Stan, PyMC, JAGS)
• 75. پیاده‌سازی مدل‌های MCMC در پایتون
• 76. پیاده‌سازی مدل‌های MCMC در R
• 77. کاربرد MCMC در مدل‌های گرافیکی بیزی (Bayesian Graphical Models)
• 78. تحلیل شبکه‌های پیچیده با MCMC
• 79. مدل‌سازی پویایی سیستم‌ها با MCMC
• 80. مطالعات موردی در مدل‌سازی سری زمانی پویا
• 81. پیش‌بینی سری‌های زمانی اقتصادی با MCMC
• 82. مدل‌سازی رفتار مشتری با MCMC
• 83. تحلیل داده‌های پزشکی با MCMC
• 84. مدل‌سازی سری زمانی در حوزه سلامت
• 85. کاربرد MCMC در بهینه‌سازی مدل‌ها
• 86. روش‌های پیشرفته نمونه‌گیری MCMC
• 87. مقدمه‌ای بر یادگیری تقویتی (Reinforcement Learning)
• 88. کاربرد MCMC در یادگیری تقویتی
• 89. مباحث اخلاقی در تحلیل داده‌های سری زمانی
• 90. حفظ حریم خصوصی در مدل‌سازی داده‌ها
• 91. استانداردهای تحلیل داده در ایران
• 92. مقررات مربوط به داده‌های حساس
• 93. ملاحظات شرعی در مدل‌سازی‌های اقتصادی
• 94. اصول فقهی در بانکداری بدون ربا
• 95. چارچوب‌های قانونی در حوزه فناوری اطلاعات
• 96. سازگاری مدل‌ها با قوانین ملی
• 97. مدیریت داده در چارچوب مقررات
• 98. توسعه مدل‌های سازگار با قوانین
• 99. مقررات ناظر بر محتوای آموزشی
• 100. اصول فنی در طراحی سامانه‌های آموزشی