اپلیکیشن اندرویدی فلش‌کارت آموزشی مدیریت سوگیری در نمونه‌گیری MCMC با Stan

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدیریت سوگیری در نمونه‌گیری MCMC با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر سوگیری در MCMC
• 2. منابع اصلی سوگیری در نمونه‌گیری MCMC
• 3. ارزیابی همگرایی زنجیره‌های MCMC
• 4. آشنایی با Stan و فلسفه طراحی آن
• 5. ساختار یک مدل Stan
• 6. انواع توابع احتمال در Stan
• 7. توابع توزیع احتمال پیشین در Stan
• 8. تعریف مدل‌های سلسله مراتبی در Stan
• 9. مدل‌سازی پارامترهای تصادفی در Stan
• 10. مشکلات رایج در تعریف مدل‌های Stan
• 11. تنظیم پارامترهای نمونه‌گیری Stan (آداپتورها)
• 12. تنظیم پارامترهای نمونه‌گیری Stan (گام‌ها)
• 13. تنظیم پارامترهای نمونه‌گیری Stan (تعداد زنجیره‌ها و تکرارها)
• 14. تشخیص سوگیری ناشی از انتخاب توزیع پیشین
• 15. روش‌های حساسیت به توزیع پیشین
• 16. استفاده از توزیع‌های پیشین غیرinformative
• 17. تأثیر مقیاس‌بندی پارامترها بر MCMC
• 18. مقایسه روش‌های مختلف نمونه‌گیری در Stan (NUTS, HMC)
• 19. بهینه‌سازی سرعت نمونه‌گیری در Stan
• 20. استفاده از Stan برای مدل‌های خطی تعمیم‌یافته (GLM)
• 21. مدل‌سازی مدل‌های غیرخطی با Stan
• 22. مدل‌سازی داده‌های گمشده (Missing Data) با Stan
• 23. مدل‌سازی داده‌های سانسور شده (Censored Data) با Stan
• 24. روش‌های ارزیابی مدل در Stan (WAIC, LOO)
• 25. مقایسه مدل‌ها با استفاده از Stan
• 26. پیش‌بینی مدل با استفاده از نمونه‌های MCMC
• 27. استفاده از Stan برای تحلیل سری‌های زمانی
• 28. مدل‌سازی تغییرات در طول زمان با Stan
• 29. مدیریت داده‌های پرت (Outliers) در Stan
• 30. بررسی اثرات متقابل پارامترها در Stan
• 31. استفاده از Stan با داده‌های پیچیده و ابعاد بالا
• 32. استفاده از Stan در محیط‌های محاسباتی ابری
• 33. عیب‌یابی خطاهای رایج در Stan
• 34. بهبود کارایی کد Stan
• 35. سناریوهای عملیاتی: مدیریت سوگیری در مدل‌های بیزی پیچیده
• 36. تکنیک‌های پیشرفته برای کاهش سوگیری