دوره چالش ها و راهکارها در اعمال زنجیره های مارکوف به مدل های بیزی مدرن به همراه فلش کارت بر روی فلش مموریجدید

سرفصل های دوره: 1. مقدمه به مدل های بیزی مدرن 2. مقدمه به زنجیره های مارکوف 3. نیاز به زنجیره های مارکوف در مدل های بیزی مدرن 4. چالش های محاسباتی در استنتاج بیزی 5. اهمیت شبیه سازی در استنتاج بیزی 6. آشنایی با روش های مونت کارلو زنجیره مارکوف (MCMC) 7. مبانی نظری زنجیره های مارکوف 8. تعریف زنجیره مارکوف 9. فضای حالت 10. انتقال حالت 11. ماتریس انتقال 12. توزیع پایدار 13. خواص زنجیره های مارکوف 14. کاهش ناپذیری 15. غیردوره ای بودن 16. همگرایی به توزیع پایدار 17. کاربرد زنجیره های مارکوف در مدل سازی 18. مثال های ساده از زنجیره های مارکوف 19. مقدمه به مدل های بیزی 20. قضیه بیز 21. احتمال پیشین 22. احتمال درست نمایی 23. احتمال پسین 24. توزیع های پیشین رایج 25. توزیع های پسین رایج 26. محدودیت های استنتاج تحلیلی در مدل های بیزی 27. نیاز به روش های عددی 28. معرفی روش های MCMC 29. هدف MCMC 30. چالش های اعمال MCMC 31. دقت و همگرایی الگوریتم های MCMC 32. سرعت همگرایی 33. تشخیص همگرایی 34. نمونه برداری از توزیع های پیچیده 35. توزیع های پسین چندوجهی 36. توزیع های پسین با ابعاد بالا 37. مشکلات نمونه برداری مستقیم 38. روش های MCMC برای غلبه بر این مشکلات 39. الگوریتم نمونه بردار گیبس (Gibbs Sampler) 40. مکانیسم نمونه بردار گیبس 41. مزایای نمونه بردار گیبس 42. محدودیت های نمونه بردار گیبس 43. ...