دوره تنظیم پارامترهای MCMC با Stan همراه با فلشکارت آموزشی — ارائه روی فلش مموری
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره تنظیم پارامترهای MCMC با Stan
موضوع کلی: روشهای نمونهگیری مونتکارلو مارکوف (MCMC) در آمار بیزی
موضوع میانی: مخاطرات و تنظیمات Stan
📋 سرفصلهای دوره
- 1. مبانی احتمال و آمار برای MCMC
- 2. مفاهیم اولیه نمونهبرداری تصادفی
- 3. نظریه احتمالات شرطی و استقلال
- 4. توزیعهای احتمال گسسته و پیوسته
- 5. ویژگیهای توزیعهای آماری
- 6. مقدمهای بر استنتاج بیزی
- 7. قضیه بیز و کاربردهای آن
- 8. انتخاب پیشینهای مناسب در استنتاج بیزی
- 9. تابع درستنمایی و نقش آن
- 10. ساختار مدلهای آماری
- 11. مقدمهای بر زنجیرههای مارکوف
- 12. فرآیندهای مارکوف و خواص آنها
- 13. مفهوم حالت پایدار در زنجیرههای مارکوف
- 14. مقدمهای بر روشهای مونت کارلو (MC)
- 15. کاربرد روشهای MC در محاسبات عددی
- 16. شبیهسازی مونت کارلو برای تخمین انتگرالها
- 17. توزیعهای هدف و شبیهسازی آنها
- 18. مشکلات شبیهسازی مستقیم توزیعهای پیچیده
- 19. مقدمهای بر نمونهبرداری از طریق زنجیره مارکوف (MCMC)
- 20. نیاز به MCMC در مدلهای پیچیده
- 21. ایده اصلی MCMC
- 22. الگوریتمهای MCMC
- 23. نمونهبرداری پذیرش-رد (Acceptance-Rejection Sampling)
- 24. مزایا و معایب نمونهبرداری پذیرش-رد
- 25. الگوریتم Metropolis-Hastings
- 26. نحوه کار الگوریتم Metropolis-Hastings
- 27. انتخاب تابع پیشنهاد (Proposal Distribution)
- 28. تأثیر تابع پیشنهاد بر کارایی
- 29. الگوریتم Metropolis
- 30. حالت خاصی از Metropolis-Hastings
- 31. چالشهای پیادهسازی Metropolis-Hastings
- 32. الگوریتم نمونهگیری گیبس (Gibbs Sampling)
- 33. نحوه کار نمونهگیری گیبس
- 34. شرط لازم برای نمونهگیری گیبس
- 35. کاربرد نمونهگیری گیبس در مدلهای چندمتغیره
- 36. مقایسه نمونهگیری گیبس با Metropolis-Hastings
- 37. معیارهای همگرایی در MCMC
- 38. تشخیص همگرایی الگوریتمهای MCMC
- 39. نمودارهای سری زمانی (Trace Plots)
- 40. تحلیل خودهمبستگی (Autocorrelation)
- 41. شاخص کاهش واریانس (Gelman-Rubin Statistic)
- 42. تستهای همگرایی دیگر
- 43. مباحث پیشرفته در MCMC
- 44. طراحی توابع پیشنهاد کارآمد
- 45. استفاده از نمونهگیری ترکیبی (Hybrid Sampling)
- 46. نمونهگیری اهرمی (Langevin Sampling)
- 47. روشهای MCMC با گام زمانی متغیر
- 48. مقدمهای بر Stan
- 49. معماری و قابلیتهای Stan
- 50. زبان مدلسازی Stan
- 51. نحوه تعریف مدل در Stan
- 52. پارامترها، متغیرهای مشاهدهشده و متغیرهای پنهان
- 53. توابع توزیع در Stan
- 54. تعریف بخشهای مدل (model block)
- 55. تعریف بخش داده (data block)
- 56. تعریف بخش پارامترها (parameters block)
- 57. تعریف بخش متغیرهای کمکی (transformed data/parameters block)
- 58. تعریف بخش نتایج (generated quantities block)
- 59. تنظیم پارامترهای MCMC در Stan
- 60. تنظیمات مربوط به الگوریتمهای نمونهگیری
- 61. تعداد تکرارها (iterations) و burn-in
- 62. تعداد زنجیرهها (chains)
- 63. تنظیمات مربوط به الگوریتم HMC (Hamiltonian Monte Carlo)
- 64. تنظیمات مربوط به الگوریتم NUTS (No-U-Turn Sampler)
- 65. تنظیم پارامترهای گام زمانی (stepsize) و تعداد گامها (num_samples)
- 66. تنظیم پارامترهای مربوط به همگرایی
- 67. تنظیمات مربوط به پیشپردازش دادهها
- 68. تنظیمات مربوط به اعتبارسنجی مدل
- 69. ارزیابی کیفیت نمونهها
- 70. استفاده از شاخصهای همگرایی در Stan
- 71. تحلیل نمودارهای سری زمانی در Stan
- 72. بررسی خودهمبستگی در Stan
- 73. تفسیر نتایج MCMC
- 74. تخمین پارامترها و فواصل اطمینان بیزی
- 75. نمودارهای توزیع پسین
- 76. محاسبه آمارههای توصیفی از توزیع پسین
- 77. بررسی برازش مدل
- 78. استفاده از شاخصهای اطلاعاتی (WAIC, LOO-CV)
- 79. مقایسه مدلهای جایگزین
- 80. کاربرد MCMC با Stan در علوم مختلف
- 81. مثالهای عملی در اقتصادسنجی
- 82. مثالهای عملی در آمار زیستی
- 83. مثالهای عملی در علوم اجتماعی
- 84. مثالهای عملی در یادگیری ماشین
- 85. نکات تکمیلی و تکنیکهای پیشرفته
- 86. مدلسازی سلسلهمراتبی با Stan
- 87. تنظیمات پیشرفته برای مدلهای پیچیده
- 88. دیباگ کردن مدلهای Stan
- 89. کارایی و بهینهسازی کد Stan
- 90. نکات اخلاقی در تحلیل دادههای آماری
- 91. ملاحظات شرعی در کاربردهای مالی و اقتصادی
- 92. تفسیر نتایج با رویکرد اسلامی
- 93. پرهیز از مصادیق ربا در مدلسازی اقتصادی
- 94. چارچوبهای عقود اسلامی در مدلسازی
- 95. ملاحظات شرعی در علوم پزشکی و روانشناسی
- 96. چارچوب خانواده ایرانی-اسلامی در تحلیل روابط
- 97. پرهیز از ترویج الگوهای غربی در روانشناسی
- 98. ملاحظات شرعی در تحلیلهای تاریخی و سیاسی
- 99. تأکید بر منافع ملی در روابط بینالملل
محتویات بسته آموزشی
🌐 سامانه آنلاین فلشکارت؛ مرور هدفمند و هوشمند
اکانت ارائهشده، دسترسی به نسخه تحت وب سامانه فلشکارت ویژه این دوره را فراهم میکند. این سامانه از الگوریتم زمانبندی مرور SM-2 استفاده میکند و بر اساس ارزیابی شما از میزان یادآوری هر کارت، زمان مرورهای بعدی را تنظیم میکند.
به این ترتیب، کارتهای دشوارتر میتوانند زودتر مرور شوند و برای تثبیت مطالب در حافظه، برنامه مرور متناسبتری داشته باشید.
مدتزمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج میشود.
گواهی دوزبانه با استعلام آنلاین
پس از تکمیل فعالیتهای لازم و تأیید درخواست، گواهی پایان دوره به زبان فارسی و انگلیسی صادر میشود. گواهی دارای لینک اختصاصی و QR Code برای بررسی و استعلام آنلاین است.
این گواهی صرفاً بهعنوان گواهی اتمام دوره آموزشی صادر میشود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نیست. صدور آن منوط به تکمیل شرایط دوره و تأیید نهایی درخواست است.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.