اپلیکیشن اندرویدی فلش‌کارت آموزشی تنظیم پارامترهای Stan for Optimal Results

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیم پارامترهای Stan for Optimal Results

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پارامترها و تنظیمات در Stan
• 2. آشنایی با زبان برنامه‌نویسی Stan
• 3. ساختار کلی مدل‌های Bayesian در Stan
• 4. نصب و راه‌اندازی Stan
• 5. محیط‌های توسعه برای Stan (RStan, CmdStan, PyStan)
• 6. مفاهیم پایه در مدل‌سازی آماری
• 7. توزیع‌های احتمال شرطی و حاشیه‌ای
• 8. قضیه بیز و استنتاج بیزی
• 9. مقدمه‌ای بر زنجیره‌های مارکوف مونت کارلو (MCMC)
• 10. الگوریتم گیبز سمپلینگ (Gibbs Sampling)
• 11. الگوریتم نمونه‌برداری نمونه‌گیر تطبیقی (Adaptive Hamiltonian Monte Carlo)
• 12. مکانیک هامیلتونی و گرادیان مدل
• 13. پارامترهای کلیدی در الگوریتم HMC
• 14. تنظیمات مربوط به طول گام (Step Size)
• 15. تنظیمات مربوط به تعداد مراحل (Number of Steps)
• 16. تنظیمات مربوط به پارامترهای متغیر (Varying Parameters)
• 17. تنظیمات مربوط به شتاب‌دهنده‌ها (Accelerators)
• 18. تنظیمات مربوط به تشخیص همگرایی (Convergence Diagnostics)
• 19. شاخص R-hat (R-hat Statistic)
• 20. تحلیل اتوکورلاسیون (Autocorrelation Analysis)
• 21. بررسی توزیع پسین (Posterior Distribution)
• 22. نمودارهای Trace Plot
• 23. نمودارهای Density Plot
• 24. نمودارهای Histogram
• 25. نمودارهای Quantile-Quantile Plot
• 26. تنظیمات مربوط به نمونه‌برداری اولیه (Warm-up/Burn-in)
• 27. تنظیمات مربوط به تعداد نمونه‌ها (Number of Samples)
• 28. تنظیمات مربوط به تعداد رشته‌ها (Number of Chains)
• 29. اهمیت اجرای چند زنجیره مستقل
• 30. تنظیمات مربوط به seed تصادفی (Random Seed)
• 31. مدیریت حافظه در Stan
• 32. پیش‌پردازش داده‌ها برای Stan
• 33. اعتبارسنجی مدل در Stan
• 34. روش‌های اعتبارسنجی متقابل (Cross-validation)
• 35. اعتبارسنجی با استفاده از داده‌های جدید
• 36. تنظیمات مربوط به پیش‌بینی (Posterior Predictive Checks)
• 37. مقایسه مدل‌ها در Stan
• 38. معیارهای اطلاعاتی (AIC, BIC)
• 39. معیار اطلاعاتی بیزی (DIC)
• 40. معیار اطلاعاتی واک (WAIC)
• 41. روش‌های پیشرفته در مدل‌سازی با Stan
• 42. مدل‌های خطی تعمیم‌یافته (Generalized Linear Models)
• 43. مدل‌های سلسله مراتبی (Hierarchical Models)
• 44. مدل‌های مختلط (Mixed-effects Models)
• 45. مدل‌های فضایی (Spatial Models)
• 46. مدل‌های سری زمانی (Time Series Models)
• 47. مدل‌های گرافیکی (Graphical Models)
• 48. استفاده از کوواریانس‌ها در مدل‌سازی
• 49. تنظیم پارامترهای مربوط به کوواریانس
• 50. مدل‌سازی عدم قطعیت در پارامترها
• 51. تنظیمات مربوط به عدم قطعیت کوواریانس
• 52. تکنیک‌های بهینه‌سازی در Stan
• 53. استفاده از تابع هدف (Objective Function)
• 54. بهینه‌سازی با روش‌های گرادیان کاهشی
• 55. بهینه‌سازی با روش‌های نیوتن
• 56. بهینه‌سازی با روش‌های شبه‌نیوتن
• 57. تنظیمات مربوط به نرخ یادگیری (Learning Rate)
• 58. تنظیمات مربوط به اندازه دسته (Batch Size)
• 59. تنظیمات مربوط به تعداد تکرارها (Number of Iterations)
• 60. مدیریت خطاهای رایج در Stan
• 61. خطاهای مربوط به سینتکس (Syntax Errors)
• 62. خطاهای مربوط به منطق مدل (Model Logic Errors)
• 63. خطاهای مربوط به همگرایی (Convergence Issues)
• 64. خطاهای مربوط به حافظه (Memory Errors)
• 65. نکات و ترفندها برای افزایش سرعت در Stan
• 66. استفاده از داده‌های باینری (Binary Data)
• 67. استفاده از متغیرهای میانجی (Latent Variables)
• 68. بهینه‌سازی ساختار مدل
• 69. استفاده از C++ برای شتاب‌دهی
• 70. تنظیمات مربوط به کامپایلر (Compiler Flags)
• 71. مدیریت مدل‌های پیچیده
• 72. مستندسازی مدل‌های Stan
• 73. اشتراک‌گذاری مدل‌ها و کدها
• 74. کاربرد Stan در تحقیقات علمی
• 75. کاربرد Stan در علوم زیستی
• 76. کاربرد Stan در علوم اجتماعی
• 77. کاربرد Stan در علوم مهندسی
• 78. کاربرد Stan در علوم اقتصادی
• 79. کاربرد Stan در علوم پزشکی
• 80. مروری بر آخرین تحولات در Stan
• 81. توسعه‌های آینده در Stan
• 82. منابع آموزشی بیشتر برای Stan
• 83. تمرین‌های عملی برای تسلط بر Stan
• 84. پروژه‌های کاربردی با استفاده از Stan