اپلیکیشن اندرویدی فلش‌کارت آموزشی تنظیمات پیشرفته برای نمونه‌گیری در Stan

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیمات پیشرفته برای نمونه‌گیری در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی آماری بیزی
• 2. مفاهیم اساسی نمونه‌گیری مارکوف زنجیره‌ای مونت کارلو (MCMC)
• 3. آشنایی با زبان برنامه‌نویسی Stan
• 4. ساختار یک مدل Stan
• 5. انواع داده‌ها در Stan
• 6. توابع و توزیع‌های احتمال در Stan
• 7. تعریف مدل در Stan: پارامترها و داده‌ها
• 8. نوشتن مدل‌های ساده در Stan
• 9. تفسیر خروجی Stan
• 10. تشخیص همگرایی MCMC
• 11. ارزیابی عملکرد مدل
• 12. مدل‌های خطی تعمیم‌یافته (GLM) در Stan
• 13. رگرسیون لجستیک در Stan
• 14. مدل‌های سلسله‌مراتبی در Stan
• 15. مدل‌های مختلط در Stan
• 16. مدل‌سازی اثرات تصادفی
• 17. مدل‌های با پارامترهای گروهی
• 18. مدل‌سازی داده‌های گمشده (Missing Data)
• 19. روش‌های جایگزینی داده‌های گمشده
• 20. مدل‌سازی داده‌های سانسورشده (Censored Data)
• 21. مدل‌های بقا در Stan
• 22. مدل‌سازی داده‌های زمانی (Time Series)
• 23. مدل‌های AR، MA و ARMA در Stan
• 24. مدل‌های فضای حالت (State Space Models)
• 25. مدل‌های پویا بیزی (Dynamic Bayesian Models)
• 26. استفاده از Stan با R
• 27. استفاده از Stan با Python
• 28. ادغام Stan با سایر زبان‌های برنامه‌نویسی
• 29. بهینه‌سازی مدل‌های Stan
• 30. روش‌های گرادیان و نیوتن
• 31. تنظیم پارامترهای نمونه‌گیری MCMC
• 32. انتخاب الگوریتم نمونه‌گیری مناسب
• 33. مدل‌سازی توزیع‌های غیر استاندارد
• 34. استفاده از توزیع‌های ترکیبی
• 35. مدل‌سازی با توزیع‌های احتمال سفارشی
• 36. تکنیک‌های کاهش واریانس MCMC
• 37. روش‌های اهمیت نمونه‌گیری (Importance Sampling)
• 38. روش‌های زنجیره مارکوف متوالی (Sequential Monte Carlo)
• 39. مدل‌سازی مدل‌های پیچیده
• 40. مدل‌های چند متغیره در Stan
• 41. مدل‌های غیر خطی در Stan
• 42. مدل‌سازی با محدودیت‌ها
• 43. استفاده از محدودیت‌ها در Stan
• 44. اعتبارسنجی مدل Stan
• 45. بررسی برازش مدل (Model Fit)
• 46. تشخیص مشکلات مدل
• 47. مقایسه مدل‌ها
• 48. انتخاب بهترین مدل
• 49. تحلیل حساسیت (Sensitivity Analysis)
• 50. تأثیر پارامترهای پیشین (Prior) بر نتایج
• 51. مدل‌سازی بیزی غیر پارامتری
• 52. فرآیندهای گاوسی (Gaussian Processes)
• 53. مدل‌های Dirichlet Process
• 54. کاربردهای Stan در علوم مختلف
• 55. Stan در زیست‌شناسی
• 56. Stan در اقتصاد
• 57. Stan در روان‌شناسی
• 58. Stan در علوم اجتماعی
• 59. اشتباهات رایج در مدل‌سازی Stan و راه‌حل‌ها
• 60. عیب‌یابی مدل‌های Stan
• 61. منابع بیشتر برای یادگیری Stan
• 62. ابزارهای کمکی برای کار با Stan
• 63. جامعه کاربری Stan
• 64. مستندات Stan
• 65. بهینه‌سازی سرعت اجرای مدل‌های Stan
• 66. استفاده از سخت‌افزار موازی
• 67. بهینه‌سازی کد Stan