دوره روش‌های پیشرفته اعتبارسنجی مدل با MCMC همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره روش‌های پیشرفته اعتبارسنجی مدل با MCMC

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

موضوع میانی: اعتبارسنجی مدل با استفاده از MCMC (Model Checking)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر روش‌های مونت کارلو زنجیره مارکوف (MCMC)
• 2. مفاهیم اساسی مدل‌های احتمالاتی
• 3. انتشار احتمالات و توزیع‌های شرطی
• 4. نظریه بیز و استنتاج بیزی
• 5. مقدمه‌ای بر نمونه‌گیری از توزیع‌های پیچیده
• 6. الگوریتم گیبز سمپلر
• 7. الگوریتم متروپلیس-هستینگز
• 8. انواع الگوریتم‌های متروپلیس-هستینگز
• 9. نکات عملی در پیاده‌سازی MCMC
• 10. تشخیص همگرایی در زنجیره‌های مارکوف
• 11. معیارهای بصری همگرایی
• 12. معیارهای کمی همگرایی (Gelman-Rubin, R-hat)
• 13. روش‌های ارزیابی کیفیت نمونه‌ها
• 14. توزیع‌های پیشین و پسین
• 15. انتخاب توزیع پیشین مناسب
• 16. توزیع‌های پیشین غیرمطلع و مطلع
• 17. تأثیر انتخاب توزیع پیشین بر نتایج
• 18. مدل‌های خطی تعمیم‌یافته (GLM) با MCMC
• 19. مدل‌های رگرسیون خطی بیزی
• 20. مدل‌های رگرسیون لجستیک بیزی
• 21. مدل‌های رگرسیون پواسون بیزی
• 22. مدل‌های سری زمانی بیزی
• 23. مدل‌های رگرسیون غیرخطی بیزی
• 24. مدل‌های سلسله‌مراتبی بیزی
• 25. استفاده از MCMC در مدل‌های سلسله‌مراتبی
• 26. مدل‌های مختلط بیزی
• 27. کاربرد MCMC در آمار مالی
• 28. مدل‌سازی ریسک اعتباری با MCMC
• 29. پیش‌بینی بازده دارایی‌ها با MCMC
• 30. مدل‌سازی نوسانات با MCMC
• 31. کاربرد MCMC در علوم زیستی
• 32. مدل‌سازی بقا با MCMC
• 33. مدل‌سازی ژنتیکی با MCMC
• 34. تحلیل داده‌های بالینی با MCMC
• 35. کاربرد MCMC در علوم اجتماعی
• 36. مدل‌سازی انتخاب گسسته بیزی
• 37. تحلیل شبکه‌های اجتماعی با MCMC
• 38. مدل‌سازی نظرسنجی با MCMC
• 39. کاربرد MCMC در مهندسی
• 40. بهینه‌سازی پارامترهای سیستم با MCMC
• 41. مدل‌سازی اطمینان‌پذیری با MCMC
• 42. تحلیل داده‌های آزمایشگاهی با MCMC
• 43. روش‌های پیشرفته در MCMC
• 44. نمونه‌گیری اهمیت (Importance Sampling)
• 45. نمونه‌گیری از طریق بازنمونه‌گیری (Resampling)
• 46. تکنیک‌های بهبود کارایی MCMC
• 47. کاهش همبستگی بین نمونه‌ها
• 48. تکنیک‌های موازی‌سازی در MCMC
• 49. مقدمه‌ای بر نرم‌افزارهای MCMC (JAGS, Stan, PyMC)
• 50. پیاده‌سازی مدل‌ها در JAGS
• 51. پیاده‌سازی مدل‌ها در Stan
• 52. پیاده‌سازی مدل‌ها در PyMC
• 53. مقایسه نرم‌افزارهای MCMC
• 54. مدل‌سازی پیشرفته با Stan
• 55. کاربرد MCMC در داده‌های حجیم
• 56. چالش‌های MCMC در داده‌های بزرگ
• 57. روش‌های مقیاس‌پذیر MCMC
• 58. بهینه‌سازی مدل‌های پیچیده با MCMC
• 59. اعتبارسنجی متقاطع در مدل‌های بیزی
• 60. ارزیابی مدل با معیارهای اطلاعاتی (DIC, WAIC)
• 61. مقایسه مدل‌های رقیب با MCMC
• 62. حساسیت مدل به توزیع‌های پیشین
• 63. تحلیل و تفسیر نتایج MCMC
• 64. تجسم نتایج MCMC
• 65. گزارش‌دهی نتایج استنتاج بیزی
• 66. کاربرد MCMC در یادگیری ماشین
• 67. مدل‌های تولیدی بیزی
• 68. شبکه‌های بیزی با MCMC
• 69. مدل‌های موضوعی بیزی (Topic Models)
• 70. کاربرد MCMC در پردازش زبان طبیعی
• 71. مدل‌سازی زبانی با MCMC
• 72. تحلیل احساسات با MCMC
• 73. خلاصه‌سازی متن با MCMC
• 74. کاربرد MCMC در بینایی ماشین
• 75. طبقه‌بندی تصاویر با MCMC
• 76. تشخیص اشیاء با MCMC
• 77. بازسازی تصاویر با MCMC
• 78. مباحث تکمیلی در MCMC
• 79. روش‌های MCMC با دقت بالا
• 80. توزیع‌های شبه‌احتمالی (Pseudo-likelihood)
• 81. مدل‌های مبتنی بر عامل (Agent-based Models) با MCMC
• 82. شبیه‌سازی‌های مونت کارلو در علوم
• 83. تکنیک‌های کاهش واریانس در شبیه‌سازی
• 84. مقدمه‌ای بر یادگیری تقویتی بیزی
• 85. کاربرد MCMC در مدل‌سازی اقتصادی کلان
• 86. پیش‌بینی تورم با MCMC
• 87. مدل‌سازی رشد اقتصادی با MCMC
• 88. تحلیل سیاست‌های پولی با MCMC
• 89. کاربرد MCMC در مدیریت پروژه
• 90. برنامه‌ریزی و زمان‌بندی بیزی
• 91. ارزیابی ریسک پروژه با MCMC
• 92. بهینه‌سازی منابع با MCMC
• 93. اصول اخلاقی در تحلیل داده‌ها
• 94. حفظ حریم خصوصی داده‌ها
• 95. مسئولیت‌پذیری در نتایج آماری
• 96. نگاهی به آینده MCMC و استنتاج بیزی