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. مبانی احتمال و آمار در MCMC
• 2. مفاهیم اولیه زنجیره‌های مارکوف
• 3. فرآیندهای تصادفی و کاربرد آن‌ها
• 4. مقدمه‌ای بر نمونه‌گیری از توزیع پسین
• 5. روش‌های مونت کارلو در محاسبات
• 6. تاریخچه و اصول MCMC
• 7. الگوریتم گیبس و کاربردهای آن
• 8. نمونه‌گیری هیستوریکال مارکوف
• 9. مقدمه‌ای بر نرم‌افزار Stan
• 10. نصب و راه‌اندازی Stan
• 11. سینتکس زبان Stan
• 12. مدل‌سازی آماری در Stan
• 13. تعریف مدل‌های خطی در Stan
• 14. مدل‌های رگرسیون در Stan
• 15. مدل‌های سلسله‌مراتبی در Stan
• 16. مدل‌های خطی تعمیم‌یافته در Stan
• 17. مدل‌های مختلط در Stan
• 18. مدل‌های سری زمانی در Stan
• 19. مدل‌های فضایی در Stan
• 20. کالیبراسیون مدل در Stan
• 21. اعتبارسنجی مدل در Stan
• 22. ارزیابی همگرایی MCMC
• 23. تشخیص عدم همگرایی
• 24. روش‌های بصری بررسی همگرایی
• 25. معیارهای کمی همگرایی
• 26. نمایش نتایج MCMC
• 27. تفسیر خروجی Stan
• 28. رسم توزیع‌های پسین
• 29. محاسبه فواصل اطمینان پسین
• 30. استفاده از توابع سفارشی در Stan
• 31. نوشتن توابع سفارشی در Stan
• 32. بهینه‌سازی مدل‌ها در Stan
• 33. مدیریت داده‌ها در Stan
• 34. پیش‌پردازش داده‌ها برای Stan
• 35. پس‌پردازش نتایج Stan
• 36. تجسم داده‌ها و نتایج
• 37. روش‌های پیشرفته نمونه‌گیری
• 38. نمونه‌گیری با اهمیت
• 39. پیاده‌سازی نمونه‌گیری با اهمیت در Stan
• 40. روش‌های MCMC با ابعاد بالا
• 41. کاربرد MCMC در اقتصاد اسلامی
• 42. مدل‌سازی ریسک در بانکداری اسلامی
• 43. تحلیل سرمایه‌گذاری در بازارهای اسلامی
• 44. کاربرد MCMC در علوم زیستی
• 45. مدل‌سازی ژنتیکی با Stan
• 46. تحلیل داده‌های اپیدمیولوژیک
• 47. کاربرد MCMC در علوم اجتماعی
• 48. تحلیل داده‌های پیمایشی
• 49. مدل‌سازی رفتار مصرف‌کننده
• 50. کاربرد MCMC در مهندسی
• 51. بهینه‌سازی طراحی با Stan
• 52. تحلیل قابلیت اطمینان
• 53. کاربرد MCMC در علوم محیطی
• 54. مدل‌سازی آلودگی هوا
• 55. تحلیل داده‌های اقلیمی
• 56. کاربرد MCMC در امور مالی
• 57. ارزیابی پرتفوی سرمایه‌گذاری
• 58. مدل‌سازی نوسانات بازار
• 59. کاربرد MCMC در آموزش
• 60. طراحی آزمون‌های تطبیقی
• 61. تحلیل نتایج آموزشی
• 62. کاربرد MCMC در پژوهش‌های عملی
• 63. طراحی آزمایش‌ها با Stan
• 64. تحلیل داده‌های حاصل از آزمایش‌ها
• 65. مقدمه‌ای بر مدل‌های بیزی
• 66. مفاهیم بیزی در MCMC
• 67. تفاوت مدل‌های بیزی و فراوانی‌گرا
• 68. مدل‌سازی با استفاده از توزیع‌های پیشین
• 69. انتخاب توزیع پیشین مناسب
• 70. اثر توزیع پیشین بر نتایج
• 71. مقدمه‌ای بر تحلیل حساسیت
• 72. تحلیل حساسیت پارامترها
• 73. تحلیل حساسیت مدل
• 74. کاربرد MCMC در مدل‌های غیرخطی
• 75. مدل‌سازی پدیده‌های پیچیده
• 76. تفسیر نتایج مدل‌های غیرخطی
• 77. کاربرد MCMC در سری‌های زمانی پیچیده
• 78. مدل‌سازی نوسانات غیرخطی
• 79. پیش‌بینی در سری‌های زمانی پیچیده
• 80. کاربرد MCMC در شبکه‌های بیزی
• 81. پیاده‌سازی شبکه‌های بیزی در Stan
• 82. استنتاج در شبکه‌های بیزی
• 83. مقدمه‌ای بر یادگیری ماشین بیزی
• 84. مدل‌های طبقه‌بندی بیزی
• 85. مدل‌های رگرسیون بیزی
• 86. کاربرد MCMC در یادگیری عمیق بیزی
• 87. شبکه‌های عصبی بیزی
• 88. بهینه‌سازی شبکه‌های عصبی بیزی
• 89. کاربرد MCMC در پردازش سیگنال
• 90. فیلترینگ بیزی سیگنال
• 91. تحلیل سیگنال‌های نویزی
• 92. کاربرد MCMC در بینایی ماشین
• 93. طبقه‌بندی تصاویر بیزی
• 94. تشخیص اشیاء بیزی
• 95. کاربرد MCMC در پردازش زبان طبیعی
• 96. مدل‌سازی موضوعی
• 97. تحلیل احساسات بیزی
• 98. نکات پیشرفته در Stan
• 99. اشکال‌زدایی کد Stan
• 100. نکات عملکردی در Stan