اپلیکیشن اندرویدی فلش‌کارت آموزشی ملاحظات مهم در اجرای MCMC با Stan

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ملاحظات مهم در اجرای MCMC با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر Stan و MCMC
• 2. نصب و راه‌اندازی Stan و ابزارهای مرتبط
• 3. ساختار یک مدل Stan
• 4. تعریف مدل بیزی در Stan
• 5. مشخص کردن داده‌ها در Stan
• 6. پارامترهای مدل در Stan
• 7. توابع توزیع احتمال در Stan
• 8. نمونه‌گیری با استفاده از الگوریتم‌های MCMC در Stan
• 9. بررسی همگرایی MCMC در Stan: معیارهای R-hat و Effective Sample Size
• 10. تشخیص مشکلات همگرایی و راهکارهای آن
• 11. تنظیم پارامترهای نمونه‌گیری MCMC (Step Size, Adaptation)
• 12. انتخاب توزیع‌های پیشین مناسب
• 13. تأثیر توزیع‌های پیشین بر نتایج MCMC
• 14. مدل‌های سلسله مراتبی در Stan
• 15. مدل‌سازی داده‌های گسسته در Stan
• 16. مدل‌سازی داده‌های پیوسته در Stan
• 17. استفاده از محدودیت‌ها در مدل‌های Stan
• 18. بهینه‌سازی مدل Stan برای سرعت و کارایی
• 19. مقایسه مدل‌ها با استفاده از WAIC و LOO-CV
• 20. تفسیر و گزارش نتایج MCMC در Stan
• 21. مدل‌سازی اثرات تصادفی در Stan
• 22. مدل‌سازی داده‌های از دست رفته (Missing Data) در Stan
• 23. استفاده از Stan برای مسائل رگرسیون
• 24. استفاده از Stan برای مسائل طبقه‌بندی
• 25. استفاده از Stan برای تحلیل سری‌های زمانی
• 26. مدل‌سازی Bayesian Non-parametric در Stan
• 27. استفاده از Stan برای مدل‌سازی بقا (Survival Analysis)
• 28. بررسی حساسیت مدل به تغییرات پارامترها
• 29. اشتباهات رایج در استفاده از Stan و MCMC
• 30. راهکارهای عیب‌یابی مدل‌های Stan
• 31. مستندسازی و اشتراک‌گذاری مدل‌های Stan