دوره بهینه‌سازی فرآیند نمونه‌گیری MCMC در Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی فرآیند نمونه‌گیری MCMC در 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
• 2. مفهوم زنجیره‌های مارکوف و خواص آن
• 3. مقدمه‌ای بر زبان مدل‌سازی احتمالی Stan
• 4. نصب و راه‌اندازی Stan و محیط‌های توسعه
• 5. ساختار یک مدل Stan: داده‌ها، پارامترها و مدل
• 6. توابع توزیع احتمال در Stan
• 7. تعریف مدل‌های خطی تعمیم‌یافته در Stan
• 8. مدل‌سازی رگرسیون لجستیک با Stan
• 9. استفاده از توابع شرطی در Stan
• 10. نمونه‌گیری از توزیع‌های پیچیده با Stan
• 11. ارزیابی همگرایی زنجیره‌های MCMC
• 12. تشخیص مشکلات همگرایی و راهکارها
• 13. تکنیک‌های بهبود همگرایی: تنظیم پارامترها و تغییر مدل
• 14. محاسبه آماره‌های توصیفی از نتایج MCMC
• 15. فواصل اطمینان و تحلیل عدم قطعیت
• 16. مقایسه مدل‌ها با استفاده از معیارهای اطلاعاتی
• 17. مقدمه‌ای بر مدل‌سازی سلسله مراتبی
• 18. مدل‌سازی اثرات تصادفی با Stan
• 19. مدل‌سازی داده‌های از دست رفته با Stan
• 20. مدل‌سازی داده‌های زمانی با Stan
• 21. مدل‌سازی سری‌های زمانی ناهموار
• 22. پیش‌بینی با استفاده از مدل‌های Stan
• 23. تکنیک‌های اعتبارسنجی مدل
• 24. بررسی حساسیت مدل به داده‌ها
• 25. بهینه‌سازی پارامترها در Stan
• 26. استفاده از گرادیان‌ها در بهینه‌سازی
• 27. روش‌های نمونه‌گیری تطبیقی در Stan
• 28. مقدمه‌ای بر الگوریتم NUTS
• 29. تنظیم پارامترهای الگوریتم NUTS
• 30. مقایسه NUTS با سایر الگوریتم‌های MCMC
• 31. استفاده از Stan با زبان‌های برنامه‌نویسی دیگر (R, Python)
• 32. ادغام Stan با محیط‌های آماری
• 33. تفسیر نتایج Stan در زمینه‌های مختلف
• 34. مدل‌سازی بیزی در اقتصادسنجی با Stan
• 35. مدل‌سازی بیزی در علوم زیستی با Stan
• 36. مدل‌سازی بیزی در علوم اجتماعی با Stan
• 37. استفاده از Stan برای تحلیل داده‌های فضایی
• 38. مدل‌سازی بیزی در یادگیری ماشین
• 39. بهینه‌سازی مدل‌های پیچیده با Stan
• 40. مدل‌سازی با داده‌های بزرگ در Stan
• 41. حل مسائل بهینه‌سازی ترکیبی با Stan
• 42. استفاده از Stan برای تحلیل بقا
• 43. مدل‌سازی داده‌های سانسور شده
• 44. مدل‌سازی داده‌های چندگانه
• 45. مقدمه‌ای بر مدل‌های دولتی فضایی
• 46. تحلیل حساسیت مدل‌های بیزی
• 47. مقدمه‌ای بر مدل‌سازی علت و معلولی با Stan
• 48. بررسی تاثیر متغیرهای مداخله‌گر
• 49. استفاده از Stan برای تحلیل آزمون فرضیه
• 50. مدل‌سازی بیزی غیرپارامتری با Stan
• 51. استفاده از فرآیندهای گوسی در Stan
• 52. مدل‌سازی بیزی با توزیع‌های مختلط
• 53. مقدمه‌ای بر روش‌های تقریب بیزی
• 54. روش‌های Variational Inference در Stan
• 55. روش‌های Approximate Bayesian Computation (ABC)
• 56. تکنیک‌های کاهش ابعاد در Stan
• 57. تحلیل مولفه‌های اصلی با Stan
• 58. تحلیل خوشه‌ای با Stan
• 59. مقدمه‌ای بر شبکه‌های بیزی
• 60. استفاده از Stan برای یادگیری ساختار شبکه‌های بیزی
• 61. مدل‌سازی روابط غیرخطی با Stan
• 62. استفاده از توابع spline در Stan
• 63. مدل‌سازی داده‌های کلان با Stan
• 64. تحلیل داده‌های پانل با Stan
• 65. مدل‌سازی بیزی در اپیدمیولوژی
• 66. مدل‌سازی بیزی در مهندسی
• 67. مدل‌سازی بیزی در علوم محیطی
• 68. بررسی خطاهای مدل‌سازی در Stan
• 69. استراتژی‌های مقابله با خطاهای مدل‌سازی
• 70. مقدمه‌ای بر مدل‌سازی چند متغیره
• 71. تحلیل همبستگی با Stan
• 72. تحلیل واریانس با Stan
• 73. مدل‌سازی بیزی در علوم کامپیوتر
• 74. استفاده از Stan برای تحلیل تصاویر
• 75. استفاده از Stan برای تحلیل متن
• 76. مدل‌سازی بیزی در پردازش سیگنال
• 77. بهینه‌سازی عملکرد Stan
• 78. استفاده از کامپایلرها و کتابخانه‌های بهینه‌سازی
• 79. تکنیک‌های موازی‌سازی در Stan
• 80. مقدمه‌ای بر رابط‌های کاربری Stan
• 81. ساخت ابزارهای سفارشی برای Stan
• 82. مستندسازی مدل‌های Stan
• 83. به اشتراک‌گذاری مدل‌های Stan با دیگران
• 84. استفاده از Stan در پروژه‌های تحقیقاتی
• 85. مقدمه‌ای بر یادگیری عمیق بیزی با Stan