دوره کاربرد MCMC با Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربرد MCMC با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر آمار بیزی و MCMC
• 2. آشنایی با Stan: نصب و راه‌اندازی
• 3. ساختار یک مدل Stan
• 4. انواع داده در Stan
• 5. توابع و توزیع‌های احتمال در Stan
• 6. نوشتن مدل‌های ساده در Stan
• 7. تخمین پارامترها با MCMC در Stan
• 8. مفهوم زنجیره مارکوف و همگرایی
• 9. تشخیص همگرایی در Stan (R-hat, Effective Sample Size)
• 10. نمونه‌گیری از توزیع‌های پیشین و پسین
• 11. مدل‌های خطی در Stan
• 12. مدل‌های تعمیم یافته خطی (GLM) در Stan
• 13. مدل‌های رگرسیونی سلسله مراتبی در Stan
• 14. مدل‌های با متغیرهای پنهان در Stan
• 15. مدل‌های تغییر شکل (Transformation Models) در Stan
• 16. مدل‌سازی با داده‌های از دست رفته (Missing Data) در Stan
• 17. استفاده از Stan برای مدل‌های بقا (Survival Analysis)
• 18. مدل‌های سری زمانی در Stan
• 19. بررسی و ارزیابی مدل‌های Stan
• 20. بهینه‌سازی کد Stan برای سرعت و کارایی
• 21. استفاده از Stan با R
• 22. استفاده از Stan با Python
• 23. انتخاب توزیع‌های پیشین مناسب
• 24. تفسیر نتایج MCMC در Stan
• 25. محدودیت‌ها و چالش‌های استفاده از Stan
• 26. تشخیص و رفع مشکلات رایج در Stan
• 27. استفاده از Stan برای مدل‌های پیچیده
• 28. مدل‌سازی بیزی غیرپارامتری با Stan
• 29. آشنایی با Stan Math
• 30. توابع تعریف شده توسط کاربر در Stan
• 31. استفاده از توابع built-in Stan برای محاسبات آماری
• 32. مدل‌سازی چند متغیره در Stan
• 33. بررسی اثرات متغیرها در مدل‌های Stan
• 34. مدل‌سازی بیزی سلسله مراتبی پیشرفته
• 35. استفاده از Stan برای پیش‌بینی
• 36. اعتبارسنجی مدل‌های Stan
• 37. مقایسه مدل‌های مختلف در Stan (WAIC, LOO)
• 38. بهینه‌سازی پارامترهای کنترلی MCMC در Stan
• 39. استفاده از Stan برای تحلیل داده‌های مکانی
• 40. استفاده از Stan برای تحلیل داده‌های پانل
• 41. مقدمه‌ای بر Stan و یادگیری عمیق