دوره مدیریت سوگیری در نمونه‌گیری MCMC با Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدیریت سوگیری در نمونه‌گیری MCMC با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر روش‌های نمونه‌گیری مونت کارلو مارکوف زنجیره‌ای (MCMC)
• 2. مبانی احتمال و آمار برای MCMC
• 3. مقدمه‌ای بر زبان برنامه‌نویسی احتمالی Stan
• 4. نصب و راه‌اندازی Stan و محیط توسعه
• 5. ساختار یک مدل Stan
• 6. انواع توابع توزیع احتمال در Stan
• 7. تعریف مدل‌های آماری در Stan
• 8. ورودی و خروجی داده‌ها در Stan
• 9. نمونه‌گیری از توزیع‌های پیشین
• 10. بررسی همگرایی زنجیره‌های MCMC
• 11. تشخیص مشکلات همگرایی
• 12. روش‌های بهبود همگرایی
• 13. مفهوم سوگیری در MCMC
• 14. علل ایجاد سوگیری در نمونه‌گیری
• 15. سوگیری ناشی از مدل‌سازی نادرست
• 16. سوگیری ناشی از انتخاب توزیع پیشین نامناسب
• 17. سوگیری ناشی از تنظیمات نادرست الگوریتم نمونه‌گیری
• 18. روش‌های تشخیص سوگیری
• 19. آزمون‌های تشخیصی برای ارزیابی سوگیری
• 20. تحلیل حساسیت به توزیع پیشین
• 21. استفاده از توزیع‌های پیشین غیرinformative
• 22. تکنیک‌های کاهش سوگیری
• 23. تکنیک‌های تنظیم زنجیره‌های MCMC
• 24. بهینه‌سازی کد Stan برای کاهش سوگیری
• 25. تأثیر اندازه نمونه بر سوگیری
• 26. انتخاب تعداد مناسب تکرارها
• 27. استفاده از الگوریتم‌های نمونه‌گیری پیشرفته
• 28. الگوریتم NUTS (No-U-Turn Sampler)
• 29. الگوریتم Hamiltonian Monte Carlo (HMC)
• 30. مقایسه NUTS و HMC
• 31. استفاده از Stan برای مدل‌های خطی
• 32. مدل‌سازی رگرسیون خطی با Stan
• 33. مدل‌سازی رگرسیون لجستیک با Stan
• 34. استفاده از Stan برای مدل‌های تعمیم‌یافته
• 35. مدل‌سازی مدل‌های تعمیم‌یافته با Stan
• 36. استفاده از Stan برای مدل‌های سلسله مراتبی
• 37. مدل‌سازی مدل‌های سلسله مراتبی با Stan
• 38. استفاده از Stan برای مدل‌های پنهان مارکوف
• 39. مدل‌سازی مدل‌های پنهان مارکوف با Stan
• 40. استفاده از Stan برای مدل‌های مبتنی بر زمان
• 41. مدل‌سازی مدل‌های مبتنی بر زمان با Stan
• 42. استفاده از Stan برای مدل‌های بقا
• 43. مدل‌سازی مدل‌های بقا با Stan
• 44. اعتبارسنجی مدل‌های Stan
• 45. بررسی تناسب مدل با داده‌ها
• 46. ارزیابی عملکرد پیش‌بینی مدل
• 47. مقایسه مدل‌های مختلف با استفاده از Stan
• 48. استفاده از Stan برای تحلیل Bayesian
• 49. مفاهیم اساسی تحلیل Bayesian
• 50. تفسیر نتایج حاصل از Stan
• 51. گزارش‌دهی نتایج تحلیل Bayesian
• 52. استفاده از Stan در کاربردهای مختلف
• 53. کاربرد Stan در علوم پزشکی
• 54. کاربرد Stan در علوم اجتماعی
• 55. کاربرد Stan در مهندسی
• 56. کاربرد Stan در علوم زیستی
• 57. مدل‌سازی داده‌های از دست رفته با Stan
• 58. روش‌های برخورد با داده‌های از دست رفته
• 59. استفاده از Stan برای داده‌های بزرگ
• 60. تکنیک‌های مقیاس‌پذیری Stan
• 61. استفاده از Stan با زبان‌های برنامه‌نویسی دیگر (R, Python)
• 62. ادغام Stan با R
• 63. ادغام Stan با Python
• 64. خطایابی و رفع اشکال در مدل‌های Stan
• 65. شناسایی و رفع خطاهای رایج
• 66. بهینه‌سازی عملکرد مدل‌های Stan
• 67. نکات و ترفندهای برنامه‌نویسی Stan
• 68. منابع و ابزارهای تکمیلی Stan
• 69. انجمن‌های آنلاین Stan
• 70. کتابخانه‌های Stan
• 71. به‌روزرسانی‌های Stan و نسخه‌های جدید