دوره تکنیک‌های اعتبارسنجی نتایج MCMC در Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تکنیک‌های اعتبارسنجی نتایج 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 مونت کارلو مارکوف چین (MCMC)
• 2. مفاهیم پایه احتمال و آمار برای MCMC
• 3. مقدمه‌ای بر زبان برنامه‌نویسی Stan
• 4. نصب و راه‌اندازی Stan و محیط‌های توسعه
• 5. ساختار یک مدل Stan
• 6. انواع توابع احتمال در Stan
• 7. توابع توزیع احتمال در Stan
• 8. نمونه‌برداری از توزیع‌های مختلف در Stan
• 9. مفاهیم همگرایی در MCMC
• 10. تشخیص همگرایی: ردگیری بصری
• 11. تشخیص همگرایی: آماره‌های خودهمبستگی
• 12. تشخیص همگرایی: R-hat
• 13. تشخیص همگرایی: Effective Sample Size (ESS)
• 14. تفسیر نتایج MCMC
• 15. اعتبارسنجی مدل: بررسی باقیمانده‌ها
• 16. اعتبارسنجی مدل: پیش‌بینی‌های پسین
• 17. اعتبارسنجی مدل: مقایسه مدل‌ها
• 18. روش‌های اعتبارسنجی تشخیصی در Stan
• 19. آزمون‌های پسین پیش‌بینی (Posterior Predictive Checks)
• 20. استفاده از Stan برای مدل‌های رگرسیونی
• 21. اعتبارسنجی مدل‌های رگرسیونی با Stan
• 22. مدل‌سازی سلسله مراتبی (Hierarchical Modeling) در Stan
• 23. اعتبارسنجی مدل‌های سلسله مراتبی
• 24. اعتبارسنجی مدل‌های بیزی با Stan
• 25. مدل‌سازی نامتقارن (Asymmetric Modeling) در Stan
• 26. اعتبارسنجی مدل‌های نامتقارن
• 27. اعتبارسنجی مدل‌های پیچیده در Stan
• 28. استفاده از Stan برای داده‌های از دست رفته
• 29. اعتبارسنجی مدل‌هایی با داده‌های از دست رفته
• 30. روش‌های بهبود کارایی MCMC در Stan
• 31. بهینه‌سازی کد Stan برای سرعت
• 32. استفاده از الگوریتم‌های نمونه‌برداری مختلف در Stan
• 33. مقایسه الگوریتم‌های نمونه‌برداری در Stan
• 34. اعتبارسنجی مدل‌های پیچیده با داده‌های بزرگ
• 35. استفاده از Stan با زبان‌های برنامه‌نویسی دیگر (R, Python)
• 36. ادغام Stan با R برای تحلیل داده‌ها
• 37. ادغام Stan با Python برای تحلیل داده‌ها
• 38. اعتبارسنجی مدل‌های زمانی در Stan
• 39. اعتبارسنجی مدل‌های فضایی در Stan
• 40. مدل‌سازی و اعتبارسنجی سری‌های زمانی با Stan
• 41. مدل‌سازی و اعتبارسنجی داده‌های مکانی با Stan
• 42. اعتبارسنجی مدل‌های تغییر رژیم (Regime-Switching Models) در Stan
• 43. اعتبارسنجی مدل‌های چند متغیره در Stan
• 44. روش‌های مقابله با مسائل محاسباتی در Stan
• 45. بهینه‌سازی حافظه در Stan
• 46. استفاده از منابع محاسباتی ابری برای Stan
• 47. مدل‌سازی و اعتبارسنجی مدل‌های بقا با Stan
• 48. اعتبارسنجی مدل‌های بیزی غیرپارامتری با Stan
• 49. استفاده از Stan برای تحلیل داده‌های دقیق (High-Dimensional Data)
• 50. روش‌های کاهش ابعاد در Stan
• 51. اعتبارسنجی مدل‌های یادگیری ماشین با Stan
• 52. استفاده از Stan برای تحلیل داده‌های نامنظم
• 53. اعتبارسنجی مدل‌های مبتنی بر عامل (Agent-Based Models) با Stan
• 54. مدل‌سازی و اعتبارسنجی مدل‌های شبکه‌ای با Stan
• 55. استفاده از Stan برای تحلیل داده‌های پنهان (Latent Variable Models)
• 56. اعتبارسنجی مدل‌های انتخاب گسسته (Discrete Choice Models) با Stan
• 57. مدل‌سازی و اعتبارسنجی مدل‌های مالی با Stan
• 58. اعتبارسنجی مدل‌های اقتصادی با Stan
• 59. روش‌های ارزیابی حساسیت در مدل‌های Stan
• 60. اعتبارسنجی مدل‌های مبتنی بر شبیه‌سازی با Stan
• 61. استفاده از Stan برای تحلیل داده‌های ژنتیکی
• 62. اعتبارسنجی مدل‌های زیستی با Stan
• 63. مدل‌سازی و اعتبارسنجی مدل‌های اپیدمیولوژیک با Stan
• 64. اعتبارسنجی مدل‌های زیست‌محیطی با Stan
• 65. روش‌های مستندسازی و انتشار نتایج Stan
• 66. بهترین روش‌ها برای گزارش نتایج MCMC
• 67. استفاده از Stan برای بازتولیدپذیری تحقیقات
• 68. اعتبارسنجی مدل‌های پیچیده با استفاده از Stan و ابزارهای دیگر
• 69. تحلیل حساسیت پارامتر در مدل‌های Stan
• 70. استفاده از Stan برای تحلیل meta-analysis
• 71. اعتبارسنجی مدل‌های Bayesian Network با Stan