دوره تنظیمات پیشرفته for Bayesian Modeling in Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیمات پیشرفته for Bayesian Modeling in Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی بیزی
• 2. مبانی احتمال و آمار
• 3. مفاهیم کلیدی مدل‌سازی بیزی
• 4. قضیه بیز و کاربردهای آن
• 5. مقدمه‌ای بر زبان Stan
• 6. نصب و راه‌اندازی Stan
• 7. ساختار مدل در Stan
• 8. تعریف متغیرهای تصادفی
• 9. توابع درست‌نمایی
• 10. توابع پیشین
• 11. توابع پسین
• 12. نکات مهم در تعریف مدل‌های بیزی
• 13. پیاده‌سازی مدل‌های ساده در Stan
• 14. رگرسیون خطی بیزی
• 15. رگرسیون لجستیک بیزی
• 16. مدل‌های خطای نرمال
• 17. مدل‌های خطای پواسون
• 18. مدل‌های خطای برنولی
• 19. مدل‌های سری زمانی بیزی
• 20. مدل‌های سلسله‌مراتبی بیزی
• 21. مقدمه‌ای بر مدل‌های سلسله‌مراتبی
• 22. پیاده‌سازی مدل‌های سلسله‌مراتبی در Stan
• 23. مدل‌های اثرات مختلط
• 24. مدل‌های سلسله‌مراتبی برای داده‌های خوشه‌ای
• 25. مدل‌های سلسله‌مراتبی برای داده‌های طولی
• 26. بهینه‌سازی مدل‌ها در Stan
• 27. روش‌های نمونه‌برداری مارکوف چین مونت کارلو (MCMC)
• 28. الگوریتم گیبز
• 29. الگوریتم هَستینگ-متروپولیس
• 30. الگوریتم MCMC با شتاب‌دهنده (NUTS)
• 31. تنظیم پارامترهای MCMC
• 32. تشخیص همگرایی زنجیره‌ها
• 33. معیارهای همگرایی (R-hat، ESS)
• 34. عیب‌یابی مدل‌های Stan
• 35. خطاهای رایج در Stan
• 36. نکات پیشرفته در نمونه‌برداری MCMC
• 37. استفاده از پیش‌بینی در مدل‌های بیزی
• 38. پیش‌بینی مقادیر مشاهده‌شده
• 39. پیش‌بینی مقادیر جدید
• 40. اعتبار سنجی مدل‌های بیزی
• 41. اعتبار سنجی پسین پیش‌بینی (PPV)
• 42. اعتبار سنجی متقاطع بیزی
• 43. مقایسه مدل‌های بیزی
• 44. معیارهای مقایسه مدل (DIC، WAIC)
• 45. انتخاب مدل با استفاده از معیارهای اطلاعاتی
• 46. مدل‌سازی پیشرفته در Stan
• 47. مدل‌های خطای گاما
• 48. مدل‌های خطای بتا
• 49. مدل‌های خطای کای‌دو
• 50. مدل‌های خطای ناپارامتری
• 51. مقدمه‌ای بر فرآیندهای گوسی
• 52. پیاده‌سازی فرآیندهای گوسی در Stan
• 53. مدل‌سازی شبکه‌های بیزی
• 54. کاربرد شبکه‌های بیزی در علوم
• 55. مدل‌سازی ساختارهای سببی
• 56. مدل‌سازی مبتنی بر عوامل پنهان
• 57. مقدمه‌ای بر مدل‌های عاملی
• 58. پیاده‌سازی مدل‌های عاملی در Stan
• 59. مدل‌سازی داده‌های فضایی
• 60. مقدمه‌ای بر مدل‌های مکانی
• 61. پیاده‌سازی مدل‌های مکانی در Stan
• 62. مدل‌سازی داده‌های شبکه‌ای
• 63. مقدمه‌ای بر مدل‌های شبکه‌ای
• 64. پیاده‌سازی مدل‌های شبکه‌ای در Stan
• 65. تکنیک‌های پیشرفته نمونه‌برداری
• 66. نمونه‌برداری اهمیت
• 67. نمونه‌برداری تطبیقی
• 68. نمونه‌برداری با استفاده از شبیه‌سازی متوازی
• 69. بهبود کارایی در Stan
• 70. استفاده از داده‌های مجزا
• 71. بهینه‌سازی کد Stan
• 72. استفاده از ابزارهای کمکی Stan
• 73. تجسم نتایج مدل‌های بیزی
• 74. رسم توابع پسین
• 75. رسم نمودارهای پیش‌بینی
• 76. رسم نمودارهای مقایسه مدل
• 77. کاربردهای مدل‌سازی بیزی در حوزه‌های مختلف
• 78. کاربرد در علوم زیستی
• 79. کاربرد در علوم اجتماعی
• 80. کاربرد در علوم اقتصادی
• 81. کاربرد در علوم مهندسی
• 82. کاربرد در علوم پزشکی
• 83. کاربرد در علوم محیطی
• 84. کاربرد در علوم داده
• 85. اصول اخلاقی در استفاده از مدل‌سازی بیزی
• 86. مسئولیت‌پذیری در تحلیل داده
• 87. شفافیت در گزارش‌دهی نتایج
• 88. ملاحظات مربوط به داده‌های حساس
• 89. ملاحظات مربوط به تفسیر نتایج
• 90. ملاحظات مربوط به استفاده از الگوریتم‌ها
• 91. ملاحظات مربوط به حفظ حریم خصوصی
• 92. مدل‌سازی بیزی در عمل
• 93. مطالعه موردی ۱: تحلیل داده‌های نظرسنجی
• 94. مطالعه موردی ۲: پیش‌بینی فروش
• 95. مطالعه موردی ۳: مدل‌سازی اثرات درمان
• 96. مطالعه موردی ۴: تحلیل سری زمانی اقتصادی
• 97. مطالعه موردی ۵: مدل‌سازی عوامل خطر بیماری
• 98. مطالعه موردی ۶: تحلیل داده‌های شبکه‌های اجتماعی
• 99. مطالعه موردی ۷: مدل‌سازی تصمیم‌گیری
• 100. مطالعه موردی ۸: مدل‌سازی پیش‌بینی حوادث