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 نمونه‌گیری بیزی
• 2. مبانی احتمال و استنباط بیزی
• 3. مفاهیم کلیدی در زنجیره‌های مارکوف
• 4. فرآیندهای تصادفی و مارکوف
• 5. کاربرد زنجیره‌های مارکوف در مدل‌سازی
• 6. مقدمه‌ای بر روش‌های مونت کارلو با زنجیره مارکوف (MCMC)
• 7. اصول MCMC
• 8. الگوریتم‌های MCMC پایه
• 9. الگوریتم متروپلیس-هستینگز
• 10. الگوریتم نمونه‌گیری گیبز
• 11. ارزیابی همگرایی در MCMC
• 12. معیارهای تشخیص همگرایی
• 13. تشخیص واگرایی در زنجیره‌ها
• 14. بهبود کارایی MCMC
• 15. نمونه‌گیری با اهمیت
• 16. کاهش واریانس در MCMC
• 17. معرفی نرم‌افزار Stan
• 18. مبانی زبان Stan
• 19. ساختار مدل در Stan
• 20. تعریف متغیرهای مجهول در Stan
• 21. تعریف توابع درستنمایی در Stan
• 22. تعریف توابع پیشین در Stan
• 23. نوشتن مدل‌های ساده در Stan
• 24. مدل‌های خطی بیزی در Stan
• 25. مدل‌های رگرسیون لجستیک بیزی در Stan
• 26. مدل‌های رگرسیون پواسون بیزی در Stan
• 27. مدل‌های سری زمانی بیزی مقدماتی
• 28. مدل‌های مبتنی بر حالت در Stan
• 29. مدل‌های سلسله مراتبی در Stan
• 30. مفاهیم مدل‌های سلسله مراتبی
• 31. پیاده‌سازی مدل‌های سلسله مراتبی در Stan
• 32. مدل‌های سلسله مراتبی برای داده‌های خوشه‌ای
• 33. مدل‌های سلسله مراتبی برای داده‌های طولی
• 34. مدل‌سازی داده‌های گسسته با Stan
• 35. مدل‌سازی داده‌های پیوسته با Stan
• 36. مدل‌سازی داده‌های شمارشی با Stan
• 37. مدل‌سازی داده‌های دودویی با Stan
• 38. کاربرد MCMC در اقتصاد سنجی بیزی
• 39. مدل‌های اقتصاد سنجی با Stan
• 40. بررسی واریانس ناهمگنی با Stan
• 41. مدل‌های پانل دیتا بیزی در Stan
• 42. کاربرد MCMC در آمار زیستی
• 43. مدل‌های بقا با Stan
• 44. مدل‌های داده‌های طبقه‌بندی شده با Stan
• 45. مدل‌های اثرات مختلط در آمار زیستی
• 46. کاربرد MCMC در علوم اجتماعی
• 47. مدل‌سازی شبکه‌های اجتماعی با Stan
• 48. مدل‌های تحلیل عاملی بیزی
• 49. مدل‌سازی داده‌های نظرسنجی با Stan
• 50. کاربرد MCMC در علوم داده
• 51. پیش‌پردازش داده‌ها برای Stan
• 52. اعتبارسنجی مدل‌های بیزی
• 53. مقایسه مدل‌های بیزی
• 54. تفسیر نتایج مدل‌های بیزی
• 55. تجسم نتایج MCMC
• 56. شناخت عدم قطعیت در پیش‌بینی‌ها
• 57. کاربرد MCMC در مسائل مالی
• 58. مدل‌سازی نوسانات با Stan
• 59. مدل‌های ارزش در معرض ریسک (VaR) بیزی
• 60. مدل‌های قیمت‌گذاری دارایی با Stan
• 61. کاربرد MCMC در علوم محیطی
• 62. مدل‌سازی آلودگی هوا با Stan
• 63. مدل‌های پیش‌بینی آب و هوا با Stan
• 64. مدل‌سازی داده‌های مکانی با Stan
• 65. کاربرد MCMC در علوم فیزیک
• 66. مدل‌سازی داده‌های تجربی با Stan
• 67. استنتاج پارامترها در مدل‌های فیزیکی
• 68. کاربرد MCMC در علوم مهندسی
• 69. بهینه‌سازی با روش‌های بیزی
• 70. تحلیل حساسیت پارامترها
• 71. مدل‌سازی سیستم‌های پیچیده
• 72. مقدمه‌ای بر مدل‌های آماری پیشرفته
• 73. مدل‌های گرافیکی بیزی
• 74. مدل‌های پنهان مارکوف
• 75. کاربرد مدل‌های پنهان مارکوف در پردازش سیگنال
• 76. مدل‌های توزیع ترکیبی
• 77. کاربرد مدل‌های توزیع ترکیبی در تشخیص ناهنجاری
• 78. مدل‌های غیر پارامتری بیزی
• 79. استنتاج غیر پارامتری با Stan
• 80. مقدمه‌ای بر یادگیری ماشین بیزی
• 81. شبکه‌های عصبی بیزی
• 82. ماشین‌های بردار پشتیبان بیزی
• 83. مدل‌های بیزی برای پردازش زبان طبیعی
• 84. مدل‌های بیزی برای بینایی ماشین
• 85. بهینه‌سازی مدل‌های Stan
• 86. تکنیک‌های شتاب‌دهنده در Stan
• 87. استفاده از Stan در محاسبات موازی
• 88. مقدمه‌ای بر رابط‌های کاربری Stan
• 89. کار با Stan در R
• 90. کار با Stan در Python
• 91. کار با Stan در Julia
• 92. ملاحظات عملی در اجرای MCMC
• 93. رفع اشکال در مدل‌های Stan
• 94. ارزیابی کیفیت کد Stan
• 95. مستندسازی مدل‌های Stan
• 96. کاربردهای پیشرفته MCMC
• 97. روش‌های نمونه‌گیری پیشرفته
• 98. کاربرد MCMC در مدل‌های غیرخطی
• 99. مدل‌سازی پدیده‌های پویا با Stan
• 100. مقدمه‌ای بر روش‌های بیزی در علوم داده کاربردی