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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربرد MCMC با Stan در تحلیل‌های آماری

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
• 2. مبانی نظری MCMC
• 3. معرفی نرم‌افزار Stan
• 4. نصب و پیکربندی Stan
• 5. مفاهیم پایه مدل‌سازی آماری
• 6. مدل‌های خطی تعمیم‌یافته در Stan
• 7. مدل‌های رگرسیونی بیزی
• 8. انتخاب تابع پیشین (Prior) مناسب
• 9. انتخاب تابع درست‌نمایی (Likelihood) مناسب
• 10. ارزیابی همگرایی زنجیره‌های مارکوف
• 11. نمودارهای Trace و Autocorrelation
• 12. شاخص‌های ارزیابی همگرایی (R-hat)
• 13. روش‌های نمونه‌گیری در Stan
• 14. نمونه‌گیری با نمونه‌بردار هابل (HMC)
• 15. نمونه‌گیری با گام‌های تصادفی (NUTS)
• 16. ساخت مدل‌های ساده در Stan
• 17. مدل‌سازی داده‌های پیوسته
• 18. مدل‌سازی داده‌های گسسته
• 19. مدل‌سازی داده‌های شمارشی
• 20. مدل‌سازی داده‌های باینری
• 21. مدل‌سازی داده‌های ترتیبی
• 22. مدل‌سازی سری‌های زمانی
• 23. مدل‌های خطی مختلط
• 24. مدل‌سازی داده‌های مکانی
• 25. مدل‌سازی پدیده‌های بقا
• 26. مدل‌سازی داده‌های پانل
• 27. اصلاح مدل‌های آماری
• 28. تشخیص و حذف داده‌های پرت
• 29. بررسی فرض‌های مدل
• 30. بهبود دقت مدل
• 31. اعتبارسنجی مدل
• 32. اعتبارسنجی متقابل (Cross-validation)
• 33. شبیه‌سازی مدل
• 34. تفسیر نتایج مدل در Stan
• 35. نمایش بصری نتایج MCMC
• 36. محاسبه فواصل اطمینان بیزی
• 37. مقایسه مدل‌ها
• 38. انتخاب مدل بر اساس معیارهای اطلاعاتی
• 39. کاربرد MCMC در اقتصادسنجی
• 40. مدل‌سازی پیش‌بینی در اقتصاد
• 41. کاربرد MCMC در علوم زیستی
• 42. مدل‌سازی اپیدمیولوژیک
• 43. کاربرد MCMC در علوم اجتماعی
• 44. مدل‌سازی رفتار مصرف‌کننده
• 45. کاربرد MCMC در مهندسی
• 46. مدل‌سازی قابلیت اطمینان
• 47. کاربرد MCMC در علوم مالی
• 48. مدل‌سازی ریسک اعتباری
• 49. کاربرد MCMC در علوم داده
• 50. تحلیل داده‌های بزرگ با Stan
• 51. بهینه‌سازی مدل‌های پیچیده
• 52. مدل‌سازی ساختارهای سلسله‌مراتبی
• 53. مدل‌سازی اثرات تصادفی
• 54. مدل‌سازی اثرات ثابت
• 55. مدل‌سازی تعاملات
• 56. مدل‌سازی پیش‌بینی سری‌های زمانی
• 57. مدل‌سازی الگوهای فصلی
• 58. مدل‌سازی روندهای بلندمدت
• 59. مدل‌سازی داده‌های مکانی-زمانی
• 60. مدل‌سازی اثرات متغیر با زمان
• 61. مدل‌سازی متغیرهای پنهان
• 62. مدل‌سازی مدل‌های پنهان مارکوف
• 63. مدل‌سازی مدل‌های پنهان کاوسی
• 64. مدل‌سازی شبکه‌های عصبی بیزی
• 65. مدل‌سازی مدل‌های گرافیکی بیزی
• 66. مدل‌سازی مدل‌های گوسی فرآیند
• 67. مدل‌سازی مدل‌های مبتنی بر عامل
• 68. مدل‌سازی تصمیم‌گیری بیزی
• 69. مدل‌سازی یادگیری تقویتی بیزی
• 70. ارزیابی عدم قطعیت در مدل‌ها
• 71. تحلیل حساسیت پارامترها
• 72. تحلیل سناریوهای مختلف
• 73. مدل‌سازی داده‌های نامشخص
• 74. مدل‌سازی داده‌های ناقص
• 75. پردازش و پاکسازی داده‌ها
• 76. استخراج ویژگی از داده‌ها
• 77. انتخاب ویژگی‌های مرتبط
• 78. پیش‌پردازش داده‌ها برای Stan
• 79. مدل‌سازی داده‌های حجیم
• 80. بهینه‌سازی کد Stan
• 81. تکنیک‌های پیشرفته در Stan
• 82. برنامه‌نویسی تابعی در Stan
• 83. استفاده از کامپایلر Stan
• 84. مدیریت حافظه در Stan
• 85. نکات کاربردی در مدل‌سازی بیزی
• 86. مشکلات رایج در MCMC و راه‌حل‌ها
• 87. کاربرد MCMC در تشخیص ناهنجاری
• 88. مدل‌سازی داده‌های صوتی با Stan
• 89. مدل‌سازی داده‌های تصویری با Stan
• 90. مدل‌سازی داده‌های متنی با Stan
• 91. تحلیل احساسات با MCMC
• 92. پیش‌بینی رفتار کاربران با Stan
• 93. مدل‌سازی شبکه‌های اجتماعی
• 94. تحلیل شبکه‌های پیچیده
• 95. مدل‌سازی پدیده‌های اجتماعی
• 96. کاربرد MCMC در حوزه سلامت
• 97. مدل‌سازی تشخیص بیماری
• 98. مدل‌سازی پیش‌بینی نتایج درمانی
• 99. ارزیابی اثربخشی مداخلات سلامت
• 100. مدیریت منابع در سیستم‌های سلامت