دوره راهنمای جامع for MCMC with Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای جامع for MCMC with 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
• 2. مفاهیم اساسی زنجیره‌های مارکوف
• 3. همگرایی زنجیره‌های مارکوف
• 4. روش‌های نمونه‌برداری اهمیت (Importance Sampling)
• 5. روش‌های نمونه‌برداری رد و پذیرش (Rejection Sampling)
• 6. آشنایی با مدل‌سازی آماری بیزی
• 7. مقدمه‌ای بر زبان مدل‌سازی Stan
• 8. نصب و راه‌اندازی Stan
• 9. ساختار یک مدل Stan
• 10. انواع داده‌ها در Stan
• 11. توابع و توزیع‌های احتمالی در Stan
• 12. نحوه‌ی تعریف مدل‌های سلسله مراتبی در Stan
• 13. برآورد پارامترها با استفاده از MCMC در Stan
• 14. تشخیص همگرایی زنجیره‌ها در Stan
• 15. ارزیابی عملکرد مدل در Stan
• 16. تحلیل حساسیت مدل
• 17. مدل‌سازی رگرسیون خطی با Stan
• 18. مدل‌سازی رگرسیون لجستیک با Stan
• 19. مدل‌سازی تحلیل واریانس (ANOVA) با Stan
• 20. مدل‌سازی مدل‌های خطی تعمیم‌یافته (GLM) با Stan
• 21. مدل‌سازی مدل‌های مخلوط گاوسی (Gaussian Mixture Models)
• 22. مدل‌سازی مدل‌های پنهان مارکوف (Hidden Markov Models)
• 23. مدل‌سازی سری‌های زمانی با Stan
• 24. پیش‌بینی سری‌های زمانی با استفاده از مدل‌های Stan
• 25. مدل‌سازی مدل‌های بقا (Survival Analysis) با Stan
• 26. مدل‌سازی مدل‌های چندمتغیره (Multivariate Models) با Stan
• 27. مدل‌سازی مدل‌های بیزی سلسله‌مراتبی پیچیده
• 28. استفاده از Stan برای داده‌های گمشده (Missing Data)
• 29. روش‌های بهبود سرعت نمونه‌برداری در Stan
• 30. بهینه‌سازی کد Stan برای کارایی بیشتر
• 31. خطایابی و رفع اشکال در مدل‌های Stan
• 32. مقایسه Stan با سایر نرم‌افزارهای MCMC
• 33. کاربرد Stan در علوم پزشکی
• 34. کاربرد Stan در علوم اجتماعی
• 35. کاربرد Stan در مهندسی
• 36. کاربرد Stan در علوم محیط زیست
• 37. استفاده از Stan برای تحلیل داده‌های ژنتیکی
• 38. تحلیل داده‌های مکانی با Stan
• 39. مدل‌سازی داده‌های پانل (Panel Data) با Stan
• 40. مدل‌سازی داده‌های طولی (Longitudinal Data) با Stan
• 41. استفاده از Stan برای تحلیل آزمون فرضیه
• 42. بوتی استرپینگ (Bootstrap) در Stan
• 43. اعتبارسنجی متقابل (Cross-Validation) در Stan
• 44. تفسیر نتایج مدل‌های Stan
• 45. نوشتن گزارش نتایج مدل‌های Stan
• 46. مقدمه‌ای بر رابط کاربری Stan (CmdstanR, PyStan)
• 47. استفاده از CmdstanR برای اجرای مدل‌های Stan
• 48. استفاده از PyStan برای اجرای مدل‌های Stan
• 49. ادغام Stan با زبان R
• 50. ادغام Stan با زبان پایتون
• 51. مفاهیم پیشرفته در روش‌های MCMC
• 52. روش‌های نمونه‌برداری Hamiltonian Monte Carlo (HMC)
• 53. روش‌های نمونه‌برداری No-U-Turn Sampler (NUTS)
• 54. تنظیم پارامترهای HMC و NUTS
• 55. آشنایی با روش‌های کاهش همبستگی در زنجیره‌ها
• 56. روش‌های موازی‌سازی MCMC در Stan
• 57. مدل‌سازی با استفاده از داده‌های بزرگ در Stan
• 58. بهبود مقیاس‌پذیری مدل‌های Stan
• 59. استفاده از GPU برای تسریع MCMC در Stan
• 60. مدل‌سازی Bayesian Nonparametric با Stan
• 61. آشنایی با توابع و توزیع‌های جدید در Stan
• 62. تکنیک‌های پیشرفته مدل‌سازی در Stan
• 63. کاربرد Stan در مسائل بهینه‌سازی
• 64. مدل‌سازی ریسک با Stan
• 65. تحلیل سناریو با استفاده از Stan
• 66. مدل‌سازی تصمیم‌گیری با Stan
• 67. آشنایی با بسته‌های مکمل Stan
• 68. نوشتن برنامه‌های سفارشی در Stan
• 69. مستندسازی مدل‌های Stan
• 70. بهترین روش‌ها در مدل‌سازی Bayesian
• 71. آموزش گام به گام یک پروژه کاربردی با Stan
• 72. تفسیر و ارائه نتایج مدل‌های پیچیده Stan