اپلیکیشن اندرویدی فلش‌کارت آموزشی مخاطرات و تنظیمات اساسی در Stan

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مخاطرات و تنظیمات اساسی 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 محیط توسعه
• 3. ساختار یک مدل Stan
• 4. انواع داده در Stan
• 5. توابع و توزیع‌های احتمال در Stan
• 6. تعریف مدل‌های ساده در Stan
• 7. پارامترهای مدل و داده‌های ورودی
• 8. مشتق‌گیری خودکار در Stan
• 9. مفهوم نمونه‌گیری MCMC
• 10. الگوریتم‌های نمونه‌گیری در Stan
• 11. تنظیمات پیش‌فرض Stan
• 12. تشخیص همگرایی MCMC
• 13. شاخص R-hat
• 14. شاخص Effective Sample Size (ESS)
• 15. رسم نمودارهای Traceplot
• 16. رسم نمودارهای Autocorrelation
• 17. تفسیر خروجی Stan
• 18. مدل‌های خطی تعمیم‌یافته (GLM) در Stan
• 19. مدل‌های سلسله مراتبی (Hierarchical Models) در Stan
• 20. مدل‌سازی داده‌های گسسته در Stan
• 21. مدل‌سازی داده‌های شمارشی در Stan
• 22. مدل‌سازی داده‌های سانسور شده در Stan
• 23. تکنیک‌های بهینه‌سازی در Stan
• 24. استفاده از Priorهای اطلاعاتی
• 25. انتخاب Prior مناسب
• 26. تأثیر Prior بر نتایج
• 27. محدود کردن پارامترها در Stan
• 28. استفاده از توزیع‌های truncated
• 29. مقایسه مدل‌ها با استفاده از WAIC و LOO
• 30. اعتبارسنجی مدل در Stan
• 31. استفاده از Stan با R
• 32. استفاده از Stan با Python
• 33. عیب‌یابی خطاهای رایج Stan
• 34. بهینه‌سازی عملکرد مدل Stan
• 35. مدل‌های پیچیده در Stan
• 36. مقدمه‌ای بر Stan Math
• 37. استفاده از توابع تعریف شده توسط کاربر در Stan
• 38. نوشتن مدل‌های Stan برای داده‌های بزرگ
• 39. مفاهیم پیشرفته MCMC در Stan
• 40. تکنیک‌های Hamiltonian Monte Carlo (HMC)
• 41. تکنیک‌های No-U-Turn Sampler (NUTS)
• 42. تنظیم پارامترهای HMC و NUTS
• 43. استفاده از Stan در کاربردهای عملی