اپلیکیشن اندرویدی فلش‌کارت آموزشی مخاطرات و تنظیمات کلیدی در Stan

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مخاطرات و تنظیمات کلیدی در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر Stan و آمار بیزی
• 2. نصب و راه‌اندازی Stan و ابزارهای مرتبط
• 3. ساختار یک مدل Stan: بلوک‌های اصلی
• 4. تعریف مدل در Stan: متغیرها و توابع
• 5. توابع توزیع احتمال در Stan
• 6. مشخص کردن داده‌ها در Stan
• 7. آشنایی با پارامترهای نمونه‌گیری MCMC
• 8. الگوریتم‌های نمونه‌گیری در Stan: NUTS و HMC
• 9. همگرایی MCMC: ارزیابی بصری و آماری
• 10. تشخیص مشکلات همگرایی در Stan
• 11. تنظیم پارامترهای نمونه‌گیری: `target_accept`
• 12. تنظیم پارامترهای نمونه‌گیری: `max_treedepth`
• 13. تنظیم پارامترهای نمونه‌گیری: `stepsize`
• 14. تنظیم پارامترهای نمونه‌گیری: `adapt_delta`
• 15. مقدمه‌ای بر Priorها در Stan
• 16. انتخاب Priorهای مناسب برای پارامترها
• 17. Priorهای اطلاعاتی و غیر اطلاعاتی
• 18. Priorهای Regularizing
• 19. مقایسه Priorها و تأثیر آن‌ها بر نتایج
• 20. مدل‌های سلسله مراتبی در Stan
• 21. کار با داده‌های از دست رفته (Missing Data) در Stan
• 22. بهینه‌سازی مدل در Stan
• 23. استفاده از Stan با R و Python
• 24. خطاهای رایج در Stan و راه‌حل‌ها
• 25. عیب‌یابی مدل‌های پیچیده در Stan
• 26. بهینه‌سازی سرعت نمونه‌گیری در Stan
• 27. استفاده از Stan برای مدل‌سازی Bayesian Non-parametric
• 28. تکنیک‌های پیشرفته در Stan: Variational Inference
• 29. مقایسه Stan با سایر ابزارهای Bayesian
• 30. مستندسازی مدل‌های Stan
• 31. بهبود خوانایی کد Stan
• 32. نوشتن توابع سفارشی در Stan
• 33. استفاده از Stan برای مدل‌سازی Bayesian Time Series