کتاب صوتی تسلط بر JAGS برای پیاده‌سازی قوی، معتبر و دقیق Gibbs Sampling

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تسلط بر JAGS برای پیاده‌سازی قوی، معتبر و دقیق Gibbs Sampling

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

موضوع میانی: نمونه‌گیری Gibbs در JAGS

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی آماری و شبیه‌سازی
• 2. مفاهیم پایه استنباط بیزی
• 3. مقدمه‌ای بر فرایندهای مارکوف زنجیره‌ای (Markov Chain Monte Carlo - MCMC)
• 4. معرفی نرم‌افزار JAGS و محیط آن
• 5. نصب و راه‌اندازی JAGS
• 6. مروری بر زبان مدل‌سازی BUGS
• 7. تعریف مدل‌های آماری در JAGS
• 8. نوشتن مدل‌های خطی ساده در JAGS
• 9. مدل‌های خطی تعمیم‌یافته (GLM) در JAGS
• 10. مدل‌های سلسله‌مراتبی (Hierarchical Models)
• 11. مقدمه‌ای بر نمونه‌گیری گیبس (Gibbs Sampling)
• 12. الگوریتم نمونه‌گیری گیبس
• 13. اجرای نمونه‌گیری گیبس در JAGS
• 14. مبانی پیاده‌سازی نمونه‌گیری گیبس
• 15. بررسی همگرایی مدل‌های MCMC
• 16. معیارهای تشخیص همگرایی (Gelman-Rubin, Geweke)
• 17. تشخیص و رفع مشکلات همگرایی
• 18. بهبود کارایی نمونه‌گیری گیبس
• 19. انتخاب پیشین‌های مناسب (Priors)
• 20. انواع توزیع‌های پیشین
• 21. انتخاب پیشین‌های غیراطلاعاتی (Non-informative)
• 22. انتخاب پیشین‌های اطلاعاتی (Informative)
• 23. پیشین‌های سلسله‌مراتبی
• 24. مدل‌سازی داده‌های گسسته در JAGS
• 25. مدل‌های رگرسیون لجستیک در JAGS
• 26. مدل‌های پواسون و شمارشی در JAGS
• 27. مدل‌سازی داده‌های پیوسته در JAGS
• 28. مدل‌های رگرسیون خطی در JAGS
• 29. مدل‌های مدل‌سازی سری زمانی در JAGS
• 30. مدل‌سازی داده‌های فضایی در JAGS
• 31. مقدمه‌ای بر مدل‌های مکانی
• 32. مدل‌های مکانی ساده در JAGS
• 33. مدل‌های مکانی پیچیده‌تر
• 34. مدل‌سازی داده‌های پانل (Panel Data)
• 35. مدل‌های اثرات ثابت و تصادفی در JAGS
• 36. مدل‌سازی داده‌های طولانی‌مدت (Longitudinal Data)
• 37. مدل‌های رشد خطی در JAGS
• 38. مدل‌های رشد غیرخطی در JAGS
• 39. مدل‌سازی داده‌های طبقه‌بندی شده (Clustered Data)
• 40. مدل‌های اثرات مختلط (Mixed Effects Models)
• 41. پیاده‌سازی مدل‌های اثرات مختلط در JAGS
• 42. مدل‌سازی داده‌های بقا (Survival Data)
• 43. مدل‌های کاکس (Cox Models) در JAGS
• 44. مدل‌های پارامتری بقا در JAGS
• 45. مدل‌سازی داده‌های خوشه‌ای (Clustering Data)
• 46. الگوریتم‌های خوشه‌بندی در JAGS
• 47. مدل‌سازی داده‌های اکتشافی (Exploratory Data Analysis)
• 48. استفاده از JAGS برای تحلیل اکتشافی
• 49. تولید نمودارهای مربوط به نتایج MCMC
• 50. ارزیابی اعتبار مدل با استفاده از داده‌های شبیه‌سازی شده
• 51. اعتبارسنجی متقابل (Cross-validation) در مدل‌های بیزی
• 52. مقایسه مدل‌های مختلف در JAGS
• 53. استفاده از معیارهای اطلاعاتی (DIC, WAIC)
• 54. برنامه‌نویسی پیشرفته در JAGS
• 55. توابع سفارشی در JAGS
• 56. مدیریت داده‌های بزرگ با JAGS
• 57. بهینه‌سازی کد JAGS
• 58. اشکال‌زدایی (Debugging) در مدل‌های JAGS
• 59. استفاده از JAGS در پروژه‌های واقعی
• 60. مثال‌های کاربردی در علوم اجتماعی
• 61. مثال‌های کاربردی در علوم زیستی
• 62. مثال‌های کاربردی در علوم اقتصادی
• 63. مثال‌های کاربردی در علوم مهندسی
• 64. مثال‌های کاربردی در علوم محیط زیست
• 65. مثال‌های کاربردی در علوم پزشکی
• 66. مدل‌سازی پیش‌بینی (Predictive Modeling)
• 67. مدل‌سازی اقتباسی (Causal Inference) با JAGS
• 68. استفاده از JAGS برای تحلیل شبکه‌های اجتماعی
• 69. مدل‌سازی شبکه‌های پیچیده
• 70. ارزیابی عدم قطعیت در پیش‌بینی‌ها
• 71. مدل‌سازی خطاهای اندازه‌گیری
• 72. مدل‌سازی عدم قطعیت در پارامترها
• 73. استفاده از JAGS با زبان‌های برنامه‌نویسی دیگر (R, Python)
• 74. یکپارچه‌سازی JAGS با R
• 75. یکپارچه‌سازی JAGS با Python
• 76. کار با بسته‌های R برای JAGS
• 77. کار با بسته‌های Python برای JAGS
• 78. مدل‌سازی پویایی سیستم‌ها با JAGS
• 79. مدل‌سازی معادلات ساختاری (SEM) در JAGS
• 80. ملاحظات عملی در پیاده‌سازی مدل‌های پیچیده
• 81. مدیریت حافظه و زمان اجرا
• 82. ارائه نتایج مدل‌های بیزی
• 83. تفسیر نتایج آماری و بیزی
• 84. نکات پیشرفته در نوشتن مدل‌های BUGS
• 85. تکنیک‌های نمونه‌گیری پیشرفته
• 86. مدل‌سازی عدم قطعیت در مدل‌های پیش‌بینی
• 87. کاربرد JAGS در مسائل بهینه‌سازی
• 88. مدل‌سازی فضایی-زمانی
• 89. تحلیل حساسیت مدل
• 90. مدل‌سازی رگرسیون غیرپارامتری در JAGS
• 91. مدل‌سازی شبکه‌های بیزی (Bayesian Networks)
• 92. مقدمه‌ای بر مدل‌های استنباطی
• 93. مباحث پیشرفته در استنباط بیزی
• 94. ارزیابی کیفیت مدل‌های بیزی
• 95. ساخت گزارش‌های خودکار از نتایج JAGS
• 96. تکنیک‌های بصری‌سازی پیشرفته نتایج MCMC
• 97. کاربرد JAGS در تحلیل داده‌های حجیم (Big Data)
• 98. مدل‌سازی تعاملات (Interactions) پیچیده
• 99. مدل‌سازی حالت‌های پنهان (Hidden States)
• 100. مدل‌سازی فرآیندهای تصمیم‌گیری