دوره تنظیمات پیشرفته برای مدل‌های بیزی در Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیمات پیشرفته برای مدل‌های بیزی در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌های بیزی و Stan
• 2. نصب و راه‌اندازی Stan
• 3. مفاهیم پایه احتمال و آمار بیزی
• 4. توزیع‌های پیشین و پسین
• 5. انتخاب توزیع پیشین مناسب
• 6. توزیع‌های نرمال و کاربردهای آن
• 7. توزیع برنولی و بسط آن
• 8. توزیع پواسون و کاربردهای آن
• 9. توزیع گاما و کاربردهای آن
• 10. توزیع بتا و کاربردهای آن
• 11. مقدمه‌ای بر رگرسیون خطی بیزی
• 12. مدل‌های رگرسیون خطی در Stan
• 13. تعیین پیشین‌ها در رگرسیون خطی
• 14. ارزیابی مدل‌های رگرسیون خطی
• 15. مقدمه‌ای بر رگرسیون لجستیک بیزی
• 16. مدل‌های رگرسیون لجستیک در Stan
• 17. انتخاب پیشین‌ها برای رگرسیون لجستیک
• 18. ارزیابی مدل‌های رگرسیون لجستیک
• 19. مدل‌های سلسله مراتبی بیزی
• 20. مزایای مدل‌های سلسله مراتبی
• 21. پیاده‌سازی مدل‌های سلسله مراتبی در Stan
• 22. مقدمه‌ای بر مدل‌های سری زمانی بیزی
• 23. مدل‌های ARIMA بیزی
• 24. مدل‌های فصلی بیزی
• 25. مدل‌های تعمیم‌یافته خطی (GLM) بیزی
• 26. پیاده‌سازی GLM در Stan
• 27. کاربرد GLM در داده‌های شمارشی
• 28. کاربرد GLM در داده‌های دودویی
• 29. مقدمه‌ای بر مدل‌های فضایی بیزی
• 30. مدل‌های خودرگرسیون فضایی (CAR)
• 31. مدل‌های خودهمبستگی فضایی (SAR)
• 32. پیاده‌سازی مدل‌های فضایی در Stan
• 33. مقدمه‌ای بر شبکه‌های عصبی بیزی
• 34. شبکه‌های عصبی ساده بیزی
• 35. پیاده‌سازی شبکه‌های عصبی در Stan
• 36. بهینه‌سازی مدل‌های بیزی
• 37. روش‌های نمونه‌گیری MCMC
• 38. الگوریتم هامیلتونی مونت کارلو (HMC)
• 39. الگوریتم گرانشی مونت کارلو (NUTS)
• 40. تشخیص همگرایی زنجیره‌ها
• 41. معیارهای ارزیابی همگرایی
• 42. تنظیم پارامترهای MCMC
• 43. مدل‌های خطای اندازه‌گیری
• 44. مدل‌های با متغیرهای پنهان
• 45. مقدمه‌ای بر مدل‌های عامل پنهان بیزی
• 46. پیاده‌سازی مدل‌های عامل پنهان در Stan
• 47. مدل‌های تشخیص بیزی
• 48. مدل‌های سری زمانی با عوامل پنهان
• 49. مدل‌های پیش‌بینی بیزی
• 50. ارزیابی پیش‌بینی‌ها
• 51. اعتبار سنجی متقابل مدل‌های بیزی
• 52. تنظیم فراپارامترها
• 53. استفاده از اطلاعات قبلی در انتخاب فراپارامترها
• 54. مدل‌های انتخاب مدل بیزی
• 55. معیارهای اطلاعاتی بیزی (BIC, AIC)
• 56. ضرایب بیزی
• 57. مقایسه مدل‌ها با استفاده از ضرایب بیزی
• 58. مدل‌های خطای متغیر
• 59. مدل‌های با داده‌های گمشده
• 60. روش‌های پر کردن داده‌های گمشده بیزی
• 61. پیاده‌سازی مدل‌های با داده‌های گمشده در Stan
• 62. مدل‌های بیزی برای داده‌های با کیفیت پایین
• 63. مدل‌های بیزی برای داده‌های حجیم
• 64. استفاده از Stan برای پردازش داده‌های حجیم
• 65. بهینه‌سازی کد Stan
• 66. اشکال‌زدایی کد Stan
• 67. مدل‌های بیزی در علوم زیستی
• 68. مدل‌های بیزی در علوم اجتماعی
• 69. مدل‌های بیزی در مهندسی
• 70. مدل‌های بیزی در مالی
• 71. مدل‌های بیزی در علوم محیطی
• 72. مدل‌های بیزی برای تحلیل شبکه‌ها
• 73. مدل‌های بیزی برای تحلیل متن
• 74. مدل‌های بیزی برای پردازش تصویر
• 75. مدل‌های بیزی برای یادگیری تقویتی
• 76. مدل‌های بیزی برای کشف دانش
• 77. مدل‌های بیزی برای تشخیص ناهنجاری
• 78. مدل‌های بیزی برای تشخیص تقلب
• 79. مدل‌های بیزی برای پیش‌بینی شکست
• 80. مدل‌های بیزی برای بهینه‌سازی فرآیند
• 81. مدل‌های بیزی برای بهینه‌سازی منابع
• 82. مدل‌های بیزی برای تخصیص منابع
• 83. مدل‌های بیزی برای مدیریت ریسک
• 84. مدل‌های بیزی برای تحلیل علّی
• 85. مدل‌های بیزی برای تحلیل سیاست‌گذاری
• 86. مدل‌های بیزی برای ارزیابی تأثیر
• 87. مدل‌های بیزی برای مدل‌سازی رفتار
• 88. مدل‌های بیزی برای تحلیل نظرسنجی
• 89. مدل‌های بیزی برای تحلیل داده‌های سلامت
• 90. مدل‌های بیزی برای تحلیل داده‌های آموزشی
• 91. مدل‌های بیزی برای تحلیل داده‌های حمل و نقل
• 92. مدل‌های بیزی برای تحلیل داده‌های انرژی
• 93. مدل‌های بیزی برای تحلیل داده‌های کشاورزی
• 94. مباحث پیشرفته در Stan
• 95. توسعه بسته‌های سفارشی Stan
• 96. استفاده از Stan در محیط‌های ابری
• 97. ملاحظات اخلاقی در مدل‌سازی بیزی
• 98. آینده مدل‌سازی بیزی و Stan