کتاب صوتی از تئوری تا عمل: پیاده‌سازی MCMC در پروژه‌های تحقیقاتی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره از تئوری تا عمل: پیاده‌سازی MCMC در پروژه‌های تحقیقاتی

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

موضوع میانی: استفاده در تحقیقات آماری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر روش‌های مونت کارلو زنجیره مارکوف (MCMC)
• 2. اصول پایه MCMC: زنجیره‌های مارکوف و توزیع پایدار
• 3. قضیه ارگودیک و همگرایی MCMC
• 4. الگوریتم متروپلیس-هستینگز (Metropolis-Hastings)
• 5. بهینه‌سازی پارامترهای الگوریتم متروپلیس-هستینگز
• 6. الگوریتم گیبس سمپلینگ (Gibbs Sampling)
• 7. کاربرد گیبس سمپلینگ در مدل‌های آماری
• 8. مقایسه متروپلیس-هستینگز و گیبس سمپلینگ
• 9. روش‌های نمونه‌برداری از توزیع‌های پیچیده
• 10. انتخاب توزیع پیش‌نهاد دهنده (Proposal Distribution) مناسب
• 11. تنظیم پارامتر گام (Step Size) در MCMC
• 12. تشخیص همگرایی در MCMC: معیارهای بصری و آماری
• 13. تحلیل نمودارهایtrace
• 14. معیار گلمن-رو宾 (Gelman-Rubin) برای تشخیص همگرایی
• 15. معیار هامی-وان (Heidelberger-Welch)
• 16. ارزیابی کیفیت نمونه‌ها: اتوکواریانس (Autocovariance)
• 17. کارایی نمونه‌برداری (Sampling Efficiency)
• 18. کاهش همبستگی بین نمونه‌ها
• 19. روش‌های نمونه‌برداری با کارایی بالا
• 20. نمونه‌برداری از توزیع‌های شرطی (Conditional Distributions)
• 21. نمونه‌برداری از توزیع‌های پسین (Posterior Distributions)
• 22. کاربرد MCMC در استنباط بیزی (Bayesian Inference)
• 23. مدل‌های خطی بیزی با استفاده از MCMC
• 24. مدل‌های رگرسیون بیزی
• 25. مدل‌های طبقه‌بندی بیزی
• 26. مدل‌های سری زمانی بیزی
• 27. مدل‌های ناپارامتریک بیزی
• 28. مدل‌های سلسله مراتبی بیزی (Hierarchical Bayesian Models)
• 29. پیاده‌سازی MCMC در زبان برنامه‌نویسی پایتون
• 30. کتابخانه `emcee` برای MCMC
• 31. کتابخانه `PyMC3` یا `PyMC`
• 32. کتابخانه `Stan` و رابط‌های پایتونی آن
• 33. نمونه‌برداری از توزیع‌های چندمتغیره
• 34. کاربرد MCMC در بهینه‌سازی توابع هدف
• 35. جستجوی بهینه سراسری (Global Optimization)
• 36. کاربرد MCMC در شبیه‌سازی سیستم‌های فیزیکی
• 37. شبیه‌سازی مدل‌های آماری فیزیک
• 38. شبیه‌سازی مدل‌های فیزیک آماری
• 39. کاربرد MCMC در علوم زیستی
• 40. مدل‌سازی ژنتیکی با MCMC
• 41. مدل‌سازی اپیدمیولوژیک با MCMC
• 42. مدل‌سازی داده‌های زیستی پیچیده
• 43. کاربرد MCMC در علوم اقتصادی
• 44. مدل‌سازی اقتصادسنجی بیزی
• 45. مدل‌سازی ریسک مالی با MCMC
• 46. تحلیل سری‌های زمانی اقتصادی
• 47. کاربرد MCMC در علوم اجتماعی
• 48. مدل‌سازی شبکه‌های اجتماعی با MCMC
• 49. تحلیل داده‌های پیمایشی با MCMC
• 50. مدل‌سازی رفتار اجتماعی
• 51. کاربرد MCMC در پردازش سیگنال
• 52. فیلترینگ بیزی با MCMC
• 53. تخمین پارامتر در پردازش سیگنال
• 54. تحلیل سیگنال‌های نویزدار
• 55. کاربرد MCMC در یادگیری ماشین
• 56. تنظیم ابرپارامترها (Hyperparameter Tuning)
• 57. مدل‌های مولد (Generative Models)
• 58. تشخیص ناهنجاری (Anomaly Detection)
• 59. یادگیری تقویتی بیزی
• 60. روش‌های پیشرفته MCMC
• 61. MCMC در فضاهای حالت با ابعاد بالا
• 62. MCMC برای مدل‌های حالت-فضای پویای پیوسته
• 63. MCMC برای مدل‌های غیرخطی
• 64. MCMC برای مدل‌های با داده‌های گمشده
• 65. روش‌های MCMC با زمان‌بندی متغیر
• 66. MCMC با زنجیره‌های مارکوف متغیر
• 67. MCMC با نمونه‌برداری موازی
• 68. MCMC با استفاده از گرادیان‌ها
• 69. تکنیک‌های تسریع همگرایی
• 70. روش‌های کاهش واریانس (Variance Reduction)
• 71. نمونه‌برداری با اهمیت (Importance Sampling) و ارتباط آن با MCMC
• 72. ترکیب MCMC با سایر روش‌های شبیه‌سازی
• 73. ارزیابی استحکام نتایج MCMC
• 74. حساسیت‌سنجی به انتخاب توزیع پیش‌نهاد دهنده
• 75. حساسیت‌سنجی به طول زنجیره
• 76. حساسیت‌سنجی به معیارهای همگرایی
• 77. تفسیر نتایج MCMC در پروژه‌های تحقیقاتی
• 78. ارائه نتایج MCMC به صورت بصری
• 79. گزارش‌دهی نتایج MCMC
• 80. اصول اخلاقی در استفاده از MCMC در تحقیقات
• 81. ملاحظات مربوط به داده‌های حساس در MCMC
• 82. کاربرد MCMC در حل مسائل واقعی
• 83. مطالعه موردی: تحلیل داده‌های آب و هوایی
• 84. مطالعه موردی: مدل‌سازی توزیع گونه‌های زیستی
• 85. مطالعه موردی: پیش‌بینی بازارهای مالی
• 86. مطالعه موردی: ارزیابی اثربخشی درمان‌ها
• 87. مباحث پیشرفته در MCMC
• 88. MCMC در شبکه‌های عصبی بیزی
• 89. MCMC در مدل‌های گرافیکی بیزی
• 90. MCMC در یادگیری عمیق بیزی
• 91. کاربرد MCMC در محاسبات علمی
• 92. پیاده‌سازی MCMC در سخت‌افزار
• 93. نگاهی به آینده MCMC
• 94. چالش‌های پیش رو در MCMC
• 95. دستاوردهای نوین در MCMC
• 96. جمع‌بندی و مسیرهای تحقیقاتی آینده