دوره کاربرد MCMC با Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربرد MCMC با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه ای بر MCMC و Stan
• 2. مبانی احتمالات و استنباط بیزی
• 3. مدل های آماری پایه
• 4. تابع درست نمایی و توزیع پیشین
• 5. توزیع پسین و قضیه بیز
• 6. مفهوم زنجیره مارکوف
• 7. فرآیندهای مارکوف گسسته
• 8. فرآیندهای مارکوف پیوسته
• 9. مفهوم حالت پایدار
• 10. الگوریتم Metropolis-Hastings
• 11. الگوریتم Gibbs Sampling
• 12. مزایا و معایب MCMC
• 13. معیارهای همگرایی MCMC
• 14. تشخیص همگرایی
• 15. کاهش واریانس نمونه گیری
• 16. کاهش همبستگی نمونه ها
• 17. مدل های خطی بیزی
• 18. رگرسیون خطی بیزی
• 19. مدل های رگرسیون لجستیک بیزی
• 20. مدل های رگرسیون پواسون بیزی
• 21. مدل های سلسله مراتبی بیزی
• 22. مفهوم سلسله مراتب در مدل سازی
• 23. نمونه گیری از مدل های سلسله مراتبی
• 24. کاربرد مدل های سلسله مراتبی
• 25. مقدمه ای بر زبان برنامه نویسی Stan
• 26. نصب و راه اندازی Stan
• 27. نحو پایه Stan
• 28. تعریف مدل ها در Stan
• 29. تعریف توزیع ها در Stan
• 30. تعریف پارامترها در Stan
• 31. تعریف داده ها در Stan
• 32. اجرای نمونه گیری در Stan
• 33. تنظیمات نمونه گیری در Stan
• 34. تفسیر خروجی Stan
• 35. نمودارهای تشخیصی در Stan
• 36. استفاده از بسته rstan در R
• 37. استفاده از بسته pystan در Python
• 38. مثال های کاربردی Stan
• 39. مدل های آماری برای داده های سری زمانی
• 40. مدل های ARIMA بیزی
• 41. مدل های حالت فضا بیزی
• 42. مدل های هایپرپاریان بیزی
• 43. مدل های رگرسیون ناپارامتری بیزی
• 44. مقدمه ای بر فرآیندهای گوسی
• 45. استفاده از فرآیندهای گوسی در Stan
• 46. مدل های شبکه بیزی
• 47. مقدمه ای بر گراف های سببی
• 48. ساخت مدل های شبکه بیزی در Stan
• 49. کاربرد مدل های شبکه بیزی
• 50. مدل های آماری برای داده های مکانی
• 51. مدل های خودرگرسیون مکانی بیزی
• 52. مدل های خودهمبستگی مکانی بیزی
• 53. کاربرد مدل های مکانی
• 54. مدل های آماری برای داده های خوشه ای
• 55. مدل های مختلط بیزی
• 56. مدل های مختلط خطی بیزی
• 57. کاربرد مدل های مختلط
• 58. مدل های آماری برای داده های بقا
• 59. مدل های کاکس بیزی
• 60. مدل های بقا پارامتری بیزی
• 61. کاربرد مدل های بقا
• 62. مدل های آماری برای داده های رتبه بندی
• 63. مقدمه ای بر مدل های رتبه بندی
• 64. ساخت مدل های رتبه بندی در Stan
• 65. کاربرد مدل های رتبه بندی
• 66. مدل های آماری برای داده های گسسته
• 67. مدل های گسسته بیزی
• 68. مدل های طبقه بندی بیزی
• 69. کاربرد مدل های گسسته
• 70. مدل های آماری برای داده های پیوسته
• 71. مدل های پیوسته بیزی
• 72. مدل های توزیع مخلوط بیزی
• 73. کاربرد مدل های پیوسته
• 74. بهینه سازی با MCMC
• 75. کاربرد MCMC در بهینه سازی
• 76. استفاده از Stan برای بهینه سازی
• 77. مدل های پیش بینی بیزی
• 78. ارزیابی مدل های پیش بینی
• 79. کاربرد مدل های پیش بینی
• 80. مطالعات موردی پیشرفته در Stan
• 81. مدل سازی مالی بیزی
• 82. مدل سازی اقتصادی بیزی
• 83. مدل سازی زیست پزشکی بیزی
• 84. مدل سازی علوم اجتماعی بیزی
• 85. مدل سازی علوم محیطی بیزی
• 86. مدل سازی علوم مهندسی بیزی
• 87. نکات پیشرفته در Stan
• 88. تکنیک های نمونه گیری پیشرفته
• 89. تکنیک های اعتبارسنجی متقابل
• 90. تکنیک های تشخیص و رفع خطا
• 91. بهبود کارایی Stan
• 92. ملاحظات اخلاقی در مدل سازی آماری
• 93. اصول حاکم بر داده های حساس
• 94. حفظ حریم خصوصی در مدل سازی
• 95. اصول شفافیت و تکرارپذیری
• 96. مقایسه MCMC با روش های دیگر استنباط
• 97. مزایای MCMC در مدل های پیچیده
• 98. محدودیت های MCMC
• 99. آینده MCMC و Stan
• 100. گرایش های نوین در MCMC