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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربرد MCMC با Stan در مسائل کاربردی

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر روش‌های مونت کارلو زنجیره مارکوف (MCMC)
• 2. مبانی احتمال و آمار برای MCMC
• 3. مفاهیم پایه زنجیره مارکوف
• 4. فرآیندهای تصادفی و حالت‌های پایدار
• 5. معرفی نرم‌افزار Stan
• 6. نصب و پیکربندی Stan
• 7. مقدمه‌ای بر زبان مدل‌سازی Stan
• 8. انواع مدل‌های آماری در Stan
• 9. رگرسیون خطی ساده در Stan
• 10. رگرسیون خطی چندگانه در Stan
• 11. مدل‌های سلسله مراتبی در Stan
• 12. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLM)
• 13. رگرسیون لجستیک در Stan
• 14. رگرسیون پواسون در Stan
• 15. مدل‌های نرخ بقا در Stan
• 16. مقدمه‌ای بر نمونه‌گیری بیزی
• 17. قضیه بیز و استنتاج بیزی
• 18. انتخاب پیشین‌های مناسب در Stan
• 19. نمونه‌گیری از توزیع پسین
• 20. روش‌های نمونه‌گیری MCMC در Stan
• 21. الگوریتم Metropolis-Hastings
• 22. الگوریتم نمونه‌گیر گیبس
• 23. بهینه‌سازی پارامترها در Stan
• 24. ارزیابی همگرایی زنجیره‌های مارکوف
• 25. معیارهای همگرایی (Gelman-Rubin، R-hat)
• 26. بررسی کیفیت نمونه‌ها
• 27. تشخیص و رفع مشکلات همگرایی
• 28. شبیه‌سازی مدل‌های بیزی پیچیده
• 29. مدل‌های خطای متغیر در Stan
• 30. مدل‌های نان‌خطی در Stan
• 31. مدل‌های سری زمانی بیزی
• 32. مدل‌های فضایی بیزی
• 33. کاربرد MCMC در بهینه‌سازی توابع
• 34. مدل‌سازی تصمیم‌گیری در شرایط عدم قطعیت
• 35. تکنیک‌های پیشرفته مدل‌سازی در Stan
• 36. مدل‌های رگرسیون کوواریانس در Stan
• 37. مدل‌های مختلط در Stan
• 38. مدل‌های رتبه‌بندی در Stan
• 39. استفاده از داده‌های گمشده در مدل‌های بیزی
• 40. مدل‌سازی داده‌های متنی با Stan
• 41. مدل‌سازی داده‌های شبکه‌ای با Stan
• 42. مدل‌سازی داده‌های مکانی-زمانی با Stan
• 43. کاربرد MCMC در علوم اقتصادی
• 44. مدل‌سازی ریسک اعتباری در بانکداری اسلامی
• 45. تحلیل پرتفوی بهینه در چارچوب عقود اسلامی
• 46. پیش‌بینی متغیرهای اقتصادی با مدل‌های بیزی
• 47. مدل‌سازی رفتار مصرف‌کننده در اقتصاد اسلامی
• 48. کاربرد MCMC در علوم اجتماعی
• 49. تحلیل پیمایش‌ها و نظرسنجی‌ها
• 50. مدل‌سازی رفتار رای‌دهندگان
• 51. تحلیل شبکه‌های اجتماعی
• 52. مدل‌سازی مهاجرت و پویایی جمعیت
• 53. کاربرد MCMC در علوم زیستی
• 54. مدل‌سازی ژنتیکی و اپیدمیولوژیک
• 55. تحلیل داده‌های بالینی
• 56. مدل‌سازی تکاملی
• 57. کاربرد MCMC در علوم مهندسی
• 58. بهینه‌سازی پارامترهای سیستم‌ها
• 59. مدل‌سازی قابلیت اطمینان
• 60. تحلیل داده‌های حسگر
• 61. کاربرد MCMC در علوم زمین
• 62. مدل‌سازی توزیع منابع طبیعی
• 63. تحلیل داده‌های لرزه‌نگاری
• 64. مدل‌سازی آب و هوا
• 65. کاربرد MCMC در هوش مصنوعی
• 66. یادگیری تقویتی بیزی
• 67. مدل‌های مولد بیزی
• 68. پردازش تصویر بیزی
• 69. مقدمه‌ای بر بهینه‌سازی بیزی
• 70. تکنیک‌های نمونه‌گیری پیشرفته
• 71. نمونه‌گیری از طریق زنجیره‌های مارکوف با تنوع بالا
• 72. توزیع‌های پیشین غیرمعمولی در Stan
• 73. مدل‌سازی پدیده‌های نادر
• 74. کاربرد MCMC در مسائل مربوط به سلامت
• 75. مدل‌سازی عوامل خطر بیماری‌ها
• 76. تحلیل کارآزمایی‌های بالینی
• 77. مدل‌سازی سلامت عمومی
• 78. ارزیابی تاثیر مداخلات بهداشتی
• 79. کاربرد MCMC در مسائل مالی
• 80. مدل‌سازی قیمت‌گذاری دارایی‌ها
• 81. تحلیل ریسک در بازارهای مالی
• 82. مدل‌سازی رفتار معامله‌گران
• 83. کاربرد MCMC در علوم محیط زیست
• 84. مدل‌سازی آلودگی هوا
• 85. تحلیل داده‌های تغییرات اقلیمی
• 86. مدل‌سازی تنوع زیستی
• 87. کاربرد MCMC در بهینه‌سازی فرآیندها
• 88. بهینه‌سازی تولید در صنایع
• 89. بهینه‌سازی زنجیره تامین
• 90. بهینه‌سازی مصرف انرژی
• 91. روش‌های اعتبارسنجی متقابل در مدل‌های بیزی
• 92. ارزیابی عملکرد مدل با داده‌های جدید
• 93. انتقال یادگیری در مدل‌های بیزی
• 94. مدل‌سازی با استفاده از دانش پیشین
• 95. مقدمه‌ای بر تفسیر نتایج مدل‌های بیزی
• 96. ارائه نتایج به ذینفعان
• 97. محدودیت‌های روش‌های MCMC
• 98. ملاحظات اخلاقی در تحلیل داده‌ها
• 99. آینده پژوهی در کاربرد MCMC