دوره تنظیم پارامترهای Stan برای نتایج بهینه همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیم پارامترهای Stan برای نتایج بهینه

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمات مدل‌سازی آماری
• 2. مبانی نرم‌افزار Stan
• 3. نصب و راه‌اندازی Stan
• 4. آشنایی با زبان Stan
• 5. ساختار برنامه‌های Stan
• 6. تعریف مدل‌های خطی در Stan
• 7. مدل‌های رگرسیون خطی ساده
• 8. مدل‌های رگرسیون خطی چندگانه
• 9. مدل‌های با اثرات ثابت
• 10. مدل‌های با اثرات تصادفی
• 11. مدل‌های ترکیبی (Hierarchical Models)
• 12. مقدمات مدل‌سازی سلسله مراتبی
• 13. پیاده‌سازی مدل‌های سلسله مراتبی در Stan
• 14. مدل‌سازی داده‌های شمارشی
• 15. مدل‌های پواسون
• 16. مدل‌های دوجمله‌ای منفی
• 17. مدل‌سازی داده‌های دودویی
• 18. مدل لاجیت
• 19. مدل پروبیت
• 20. مدل‌سازی داده‌های ترتیبی
• 21. مدل‌های ترتیبی خطی
• 22. مدل‌های ترتیبی غیرخطی
• 23. مقدمات زنجیره‌های مارکوف مونت کارلو (MCMC)
• 24. الگوریتم گیبس (Gibbs Sampling)
• 25. الگوریتم هَستینگ-متروپولیس (Metropolis-Hastings)
• 26. تنظیم پارامترهای MCMC در Stan
• 27. تعداد تکرارها و burn-in
• 28. تشخیص همگرایی (Convergence Diagnostics)
• 29. آزمون‌های رسمیت (Autocorrelation Plots)
• 30. شاخص نرخ کاهش پتانسیل (R-hat)
• 31. بررسی توزیع پسین (Posterior Distribution)
• 32. تکنیک‌های بصری‌سازی توزیع پسین
• 33. هیستوگرام توزیع پسین
• 34. نمودارهای کرنل چگالی (Kernel Density Plots)
• 35. نمودارهای پراکندگی (Scatter Plots)
• 36. تفسیر نتایج مدل
• 37. محاسبه آماره‌های توصیفی پسین
• 38. میانگین، میانه، واریانس پسین
• 39. فواصل اطمینان پسین (Credible Intervals)
• 40. ارزیابی برازش مدل (Model Fit)
• 41. باقیمانده‌ها (Residuals)
• 42. نمودارهای برازش مدل
• 43. معیارهای اطلاعاتی مدل (Information Criteria)
• 44. AIC و BIC در Bayesian context
• 45. اعتبارسنجی متقابل (Cross-Validation)
• 46. اعتبارسنجی متقابل در Stan
• 47. مدل‌سازی سری‌های زمانی
• 48. مدل‌های ARIMA در Stan
• 49. مدل‌های فضایی در Stan
• 50. مقدمات مدل‌سازی فضایی
• 51. پیاده‌سازی مدل‌های فضایی در Stan
• 52. مدل‌سازی داده‌های گسسته
• 53. مدل‌های لجستیک تعمیم‌یافته (GLM)
• 54. مدل‌های لجستیک تعمیم‌یافته در Stan
• 55. مدل‌سازی داده‌های بقا (Survival Analysis)
• 56. مدل کاکس (Cox Proportional Hazards Model)
• 57. مدل کاکس در Stan
• 58. مدل‌سازی داده‌های خوشه‌ای (Clustered Data)
• 59. مدل‌های اثرات مختلط (Mixed Effects Models)
• 60. مدل‌های اثرات مختلط در Stan
• 61. بهینه‌سازی پارامترهای Stan
• 62. تنظیم تعداد زنجیره‌ها (Number of Chains)
• 63. تنظیم طول زنجیره (Chain Length)
• 64. تنظیم الگوریتم MCMC
• 65. تنظیم پارامترهای الگوریتم‌های نمونه‌برداری
• 66. تنظیم پارامترهای الگوریتم‌های اصلاح‌کننده
• 67. تنظیم پارامترهای الگوریتم‌های پیشرفته
• 68. استفاده از الگوریتم NUTS
• 69. تنظیم پارامترهای NUTS
• 70. کنترل گام زمانی (Step Size)
• 71. کنترل عمق بازگشتی (Max Tree Depth)
• 72. استفاده از الگوریتم ال‌پی‌ال (L-BFGS)
• 73. تنظیم پارامترهای L-BFGS
• 74. کاربرد Stan در تحقیقات علمی
• 75. مدل‌سازی آماری در علوم زیستی
• 76. مدل‌سازی آماری در علوم اجتماعی
• 77. مدل‌سازی آماری در علوم اقتصادی
• 78. مدل‌سازی آماری در مهندسی
• 79. مدل‌سازی آماری در علوم محیطی
• 80. مدل‌سازی آماری در علوم پزشکی
• 81. روش‌های پیشرفته در Stan
• 82. استفاده از Stan برای مدل‌های پیچیده
• 83. مدل‌سازی عدم قطعیت در Stan
• 84. مدل‌سازی پیش‌بینی در Stan
• 85. ارزیابی و مقایسه مدل‌ها
• 86. نکات کاربردی برای تنظیم پارامترها
• 87. اشکال‌زدایی (Debugging) برنامه‌های Stan
• 88. بهبود کارایی (Performance Optimization)
• 89. منابع آموزشی تکمیلی
• 90. انجمن‌های کاربری Stan
• 91. مستندات رسمی Stan
• 92. تمرین‌های عملی با Stan
• 93. پروژه‌های کاربردی در Stan