دوره طراحی مدل‌های بیزی قابل اجرا در Stan: اصول و نکات کلیدی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی مدل‌های بیزی قابل اجرا در Stan: اصول و نکات کلیدی

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

موضوع میانی: کامپایلر Stan

📋 سرفصل‌های دوره

• 1. مبانی احتمالات و آمار
• 2. مقدمه‌ای بر مدل‌های بیزی
• 3. تفاوت مدل‌های بیزی و فراوانی‌گرا
• 4. مفاهیم کلیدی در استنتاج بیزی
• 5. قضیه بیز و کاربردهای آن
• 6. تابع درست‌نمایی و تابع پیشین
• 7. تابع پسین و تفسیر آن
• 8. انتخاب توابع پیشین مناسب
• 9. توزیع‌های پیشین رایج
• 10. انتخاب توابع پیشین اطلاعاتی
• 11. انتخاب توابع پیشین غیر اطلاعاتی
• 12. توابع پیشین غیرمتقارن
• 13. تابع احتمال و ارتباط آن با داده‌ها
• 14. مدل‌های خطی و بیزی
• 15. مدل‌های رگرسیون خطی بیزی
• 16. تفسیر ضرایب در مدل‌های بیزی
• 17. مدل‌های رگرسیون لجستیک بیزی
• 18. مدل‌های سری زمانی بیزی
• 19. مدل‌های سلسله مراتبی بیزی
• 20. مقدمه‌ای بر زبان Stan
• 21. نصب و راه‌اندازی Stan
• 22. ساختار کلی کد Stan
• 23. دستورات پایه‌ای در Stan
• 24. انواع داده در Stan
• 25. متغیرهای محلی و سراسری در Stan
• 26. توابع در Stan
• 27. مقدمه‌ای بر MCMC
• 28. الگوریتم گیبس سمپلینگ
• 29. الگوریتم هملتونی مونت کارلو (HMC)
• 30. الگوریتم نمونه‌برداری با ذرات (Particle MCMC)
• 31. ارزیابی همگرایی الگوریتم‌های MCMC
• 32. معیارهای ارزیابی همگرایی (R-hat, ESS)
• 33. روش‌های تشخیص همگرایی
• 34. تشخیص مشکلات در MCMC
• 35. بهینه‌سازی کد Stan
• 36. روش‌های نمونه‌برداری سریع‌تر
• 37. استفاده از پردازش موازی در Stan
• 38. نکات پیشرفته در نوشتن کد Stan
• 39. نمونه‌برداری از توزیع‌های پیچیده
• 40. مدل‌سازی داده‌های گسسته در Stan
• 41. مدل‌سازی داده‌های پیوسته در Stan
• 42. مدل‌سازی داده‌های شمارشی در Stan
• 43. مدل‌سازی داده‌های دودویی در Stan
• 44. مدل‌سازی داده‌های ترتیبی در Stan
• 45. مدل‌سازی داده‌های آمیخته (Mixture Models)
• 46. مدل‌های گرافیکی احتمالی
• 47. مدل‌های بیزی گرافیکی
• 48. شبکه‌های بیزی
• 49. کاربرد شبکه‌های بیزی در تحلیل داده
• 50. مدل‌سازی داده‌های مکانی با Stan
• 51. مدل‌سازی داده‌های زمانی با Stan
• 52. مدل‌سازی داده‌های شبکه‌ای با Stan
• 53. مقدمه‌ای بر یادگیری ماشین بیزی
• 54. کاربرد مدل‌های بیزی در یادگیری ماشین
• 55. مدل‌های بیزی برای طبقه‌بندی
• 56. مدل‌های بیزی برای رگرسیون
• 57. شبکه‌های عصبی بیزی
• 58. مدل‌های موضوعی بیزی (Topic Models)
• 59. مدل‌های بیزی برای پردازش زبان طبیعی
• 60. مدل‌های بیزی برای بینایی ماشین
• 61. کاربرد Stan در علوم اجتماعی
• 62. کاربرد Stan در اقتصاد
• 63. کاربرد Stan در پزشکی
• 64. کاربرد Stan در علوم زیستی
• 65. کاربرد Stan در مهندسی
• 66. کاربرد Stan در علوم محیطی
• 67. کاربرد Stan در مدیریت
• 68. مدل‌سازی تصمیم‌گیری بیزی
• 69. تحلیل حساسیت در مدل‌های بیزی
• 70. اعتبارسنجی مدل‌های بیزی
• 71. مقایسه مدل‌های بیزی
• 72. مدل‌سازی عدم قطعیت با مدل‌های بیزی
• 73. تفسیر نتایج مدل‌های بیزی
• 74. ارائه یافته‌های مدل‌های بیزی
• 75. مطالعات موردی در تحلیل بیزی
• 76. مثال‌های عملی از مدل‌سازی در Stan
• 77. تمرین‌های عملی با Stan
• 78. پروژه‌های کاربردی با Stan
• 79. معرفی کتابخانه‌های مرتبط با Stan
• 80. منابع تکمیلی برای یادگیری Stan
• 81. تکنیک‌های پیشرفته در Stan
• 82. روش‌های نمونه‌برداری از توزیع‌های پسین پیچیده
• 83. مدل‌سازی سلسله مراتبی پیشرفته
• 84. مدل‌سازی داده‌های گمشده در Stan
• 85. بررسی فرض‌های مدل‌های بیزی
• 86. تفسیر اثرات متقابل در مدل‌های بیزی
• 87. استفاده از توزیع‌های پیشین سفارشی
• 88. روش‌های پیش‌بینی با مدل‌های بیزی
• 89. مقایسه نتایج Stan با نرم‌افزارهای دیگر
• 90. اشکال‌زدایی کدهای پیچیده Stan
• 91. بهینه‌سازی عملکرد مدل‌ها در Stan
• 92. مدل‌سازی توزیع‌های آماری غیرمعمول
• 93. کاربرد مدل‌های بیزی در علوم داده
• 94. مبانی آماری برای مدل‌سازی داده
• 95. مدل‌سازی آماری پیشرفته
• 96. تحلیل آماری داده‌های بزرگ
• 97. اصول طراحی آزمایش در Stan
• 98. مدل‌سازی بیزی برای داده‌های حجیم
• 99. مقدمه‌ای بر یادگیری عمیق بیزی
• 100. کاربرد Stan در تحقیقات علمی