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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدیریت سوگیری در اجرای Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی آماری
• 2. آشنایی با زبان برنامه‌نویسی Stan
• 3. نصب و پیکربندی Stan
• 4. مفاهیم پایه‌ای احتمال و توزیع‌های آماری
• 5. مفاهیم کلیدی در مدل‌سازی بیزی
• 6. توابع احتمال و توابع پیشین
• 7. مقدمه‌ای بر روش‌های نمونه‌برداری مونت‌کارلو زنجیره مارکوف (MCMC)
• 8. ارزیابی همگرایی MCMC
• 9. تشخیص و رفع مشکلات همگرایی
• 10. مدل‌های خطی تعمیم‌یافته (GLM) در Stan
• 11. رگرسیون لجستیک در Stan
• 12. مدل‌های رگرسیونی سلسله‌مراتبی
• 13. مدل‌سازی اثرات تصادفی
• 14. مدل‌های مخلوط گاوسی
• 15. مدل‌سازی داده‌های گسسته
• 16. مدل‌سازی داده‌های زمانی
• 17. مدل‌سازی سری‌های زمانی
• 18. مدل‌های بقا در Stan
• 19. مدل‌های پواسون و دو جمله‌ای
• 20. مدل‌های بتا و گاما
• 21. مدل‌سازی توزیع‌های غیرمعمول
• 22. مدل‌سازی با متغیرهای پنهان
• 23. مقدمه‌ای بر مدل‌های گرافیکی
• 24. شبکه‌های بیزی
• 25. مدل‌سازی علت و معلولی
• 26. روش‌های تخمین پارامتر در مدل‌های گرافیکی
• 27. مدل‌های چندمتغیره
• 28. تحلیل مولفه‌های اصلی (PCA) در Stan
• 29. تحلیل عاملی
• 30. مدل‌سازی داده‌های مکانی
• 31. مدل‌های Kriging
• 32. مدل‌های GMRF
• 33. مدل‌سازی داده‌های پانل
• 34. اثرات ثابت و اثرات تصادفی در داده‌های پانل
• 35. مدل‌های تغییرات ساختاری
• 36. شناسایی و تخمین پارامترهای مدل
• 37. اعتبارسنجی مدل
• 38. بررسی حساسیت مدل
• 39. مقایسه مدل‌ها
• 40. انتخاب مدل
• 41. تفسیر نتایج مدل
• 42. نوشتن کد Stan کارآمد
• 43. بهینه‌سازی کد Stan
• 44. عیب‌یابی کد Stan
• 45. استفاده از Stan برای داده‌های بزرگ
• 46. مقدمه‌ای بر Stan با رابط‌های گرافیکی
• 47. ادغام Stan با R
• 48. ادغام Stan با Python
• 49. استفاده از Stan در محیط‌های محاسباتی ابری
• 50. کاربرد Stan در علوم پزشکی
• 51. کاربرد Stan در علوم اجتماعی
• 52. کاربرد Stan در مهندسی
• 53. کاربرد Stan در علوم محیطی
• 54. بررسی موردی: مدل‌سازی رشد گیاه
• 55. بررسی موردی: مدل‌سازی رفتار مشتری
• 56. بررسی موردی: مدل‌سازی قیمت سهام
• 57. بررسی موردی: مدل‌سازی بیماری‌های عفونی
• 58. آموزش پیشرفته MCMC: الگوریتم‌های NUTS و HMC
• 59. تکنیک‌های کاهش واریانس MCMC
• 60. مدل‌سازی سلسله‌مراتبی پیشرفته
• 61. مدل‌های غیرپارامتری در Stan
• 62. مدل‌سازی بیزی پویا
• 63. بررسی و رفع سوگیری‌های مدل‌سازی
• 64. شناسایی و مدیریت داده‌های پرت
• 65. تکنیک‌های اعتبارسنجی متقابل
• 66. مقدمه‌ای بر مدل‌سازی بیزی سلسله‌مراتبی با Stan
• 67. مدل‌سازی داده‌های از دست رفته
• 68. تأثیر انتخاب توزیع پیشین بر نتایج مدل
• 69. استفاده از توزیع‌های پیشین غیر اطلاعاتی
• 70. تحلیل حساسیت به توزیع پیشین
• 71. مدل‌سازی با قیود
• 72. مدل‌سازی با متغیرهای گسسته ترتیبی
• 73. مدل‌سازی با داده‌های سانسور شده
• 74. مدل‌سازی داده‌های چندحالته
• 75. مفاهیم پیشرفته در MCMC