دوره تنظیم پارامترهای MCMC برای Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیم پارامترهای MCMC برای Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر روش‌های نمونه‌برداری مونت‌کارلو
• 2. آشنایی با مدل‌های آماری بیزی
• 3. نصب و راه‌اندازی Stan
• 4. مفاهیم پایه زنجیره‌های مارکوف
• 5. همگرایی زنجیره‌های مارکوف و معیارهای ارزیابی
• 6. توابع توزیع احتمال در Stan
• 7. تعریف مدل در Stan: نحو و قواعد
• 8. متغیرهای تصادفی و توزیع‌های پیشین
• 9. تابع likelihood در Stan
• 10. نمونه‌برداری MCMC با استفاده از الگوریتم NUTS
• 11. تنظیم پارامترهای الگوریتم NUTS
• 12. پارامتر step size در NUTS
• 13. پارامتر target acceptance rate
• 14. تأثیر توزیع پیشین بر نتایج MCMC
• 15. انتخاب توزیع پیشین مناسب
• 16. تشخیص مشکلات همگرایی
• 17. روش‌های بهبود همگرایی زنجیره‌ها
• 18. مقایسه مدل‌های مختلف با استفاده از فاکتور Bayes
• 19. اعتبارسنجی مدل Stan
• 20. استفاده از داده‌های گم‌شده در مدل‌های Stan
• 21. مدل‌سازی داده‌های سلسله مراتبی با Stan
• 22. مدل‌سازی داده‌های زمانی با Stan
• 23. پیاده‌سازی مدل‌های خطی تعمیم‌یافته در Stan
• 24. مدل‌سازی رگرسیون لجستیک با Stan
• 25. بررسی حساسیت مدل به پارامترهای پیشین
• 26. استفاده از Stan با زبان برنامه‌نویسی R
• 27. استفاده از Stan با زبان برنامه‌نویسی Python
• 28. بهینه‌سازی کد Stan برای افزایش سرعت
• 29. عیب‌یابی خطاهای رایج در Stan
• 30. مفاهیم پیشرفته در مدل‌سازی بیزی
• 31. آشنایی با کتابخانه‌های کمکی Stan
• 32. مدل‌سازی مدل‌های مخلوط گاوسی با Stan
• 33. مدل‌سازی فرآیندهای گوسی با Stan
• 34. استفاده از Stan برای پیش‌بینی
• 35. ارزیابی عملکرد مدل‌های پیش‌بینی شده
• 36. مدل‌سازی داده‌های فضایی با Stan
• 37. مدل‌سازی داده‌های چندمتغیره با Stan
• 38. استفاده از Stan در علوم پزشکی
• 39. استفاده از Stan در اقتصادسنجی
• 40. استفاده از Stan در مهندسی
• 41. مدل‌سازی مدل‌های بقا با Stan
• 42. مدل‌سازی داده‌های شمارشی با Stan
• 43. آشنایی با روش‌های تقریب بیزی
• 44. مقایسه MCMC با روش‌های تقریب بیزی
• 45. مقدمه‌ای بر روش Variational Inference
• 46. استفاده از Stan برای تحلیل سری‌های زمانی
• 47. مدل‌سازی تغییر رژیم با Stan
• 48. مدل‌سازی مدل‌های پویا با Stan
• 49. مدل‌سازی مدل‌های پنهان مارکوف با Stan
• 50. تنظیم پارامترهای MCMC برای بهبود کارایی
• 51. تحلیل نتایج MCMC با استفاده از نمودارهای traceplot
• 52. بررسی اثرات پارامترها در مدل Stan
• 53. استفاده از Stan برای تحلیل داده‌های بزرگ
• 54. بهینه‌سازی مصرف حافظه در Stan
• 55. استفاده از Stan در محیط‌های محاسباتی ابری
• 56. مفاهیم پیشرفته در برنامه‌نویسی Stan
• 57. مدل‌سازی مدل‌های غیرخطی با Stan
• 58. مدل‌سازی مدل‌های پیچیده با Stan
• 59. استفاده از Stan برای تحلیل داده‌های نامنظم
• 60. مقدمه‌ای بر روش‌های Bootstrapping در Stan
• 61. استفاده از Stan برای تحلیل داده‌های Panel
• 62. مدل‌سازی مدل‌های چندسطحی با Stan
• 63. آشنایی با روش‌های Cross-Validation در Stan
• 64. استفاده از Stan برای پیش‌بینی با عدم قطعیت
• 65. تفسیر نتایج MCMC در بسترهای مختلف
• 66. مدل‌سازی داده‌های سانسورشده با Stan
• 67. مدل‌سازی داده‌های truncated با Stan
• 68. استفاده از Stan برای تحلیل داده‌های مکانی-زمانی
• 69. مفاهیم پیشرفته در مدل‌سازی Bayesian Nonparametric
• 70. آشنایی با کتابخانه‌های Stan برای یادگیری ماشین
• 71. مدل‌سازی مدل‌های طبقه‌بندی با Stan
• 72. مدل‌سازی مدل‌های خوشه‌بندی با Stan
• 73. استفاده از Stan برای کاهش ابعاد داده‌ها
• 74. مقدمه‌ای بر روش‌های Approximate Bayesian Computation (ABC)