دوره مخاطرات و تنظیمات اساسی در Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مخاطرات و تنظیمات اساسی در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر Stan و آمار بیزی
• 2. نصب و راه‌اندازی Stan و ابزارهای مرتبط
• 3. ساختار یک مدل Stan: بلوک‌های اصلی
• 4. تعریف مدل در Stan: توابع احتمال و prior
• 5. تعریف داده‌ها در Stan: انواع داده و نحوه وارد کردن
• 6. نمونه‌گیری با Stan: الگوریتم‌های پیش‌فرض
• 7. تشخیص همگرایی: R-hat و بصری سازی زنجیره
• 8. تشخیص همگرایی: traceplot و autocorrelation
• 9. تنظیم پارامترهای نمونه‌گیری: iter و chains
• 10. تنظیم پارامترهای نمونه‌گیری: warmup و adapt_delta
• 11. پیش‌پردازش داده‌ها برای Stan
• 12. مدل‌های خطی در Stan
• 13. مدل‌های تعمیم‌یافته (GLM) در Stan
• 14. مدل‌های سلسله مراتبی در Stan
• 15. مدل‌های با متغیرهای طبقه‌بندی‌شده در Stan
• 16. مدل‌های با داده‌های از دست رفته (Missing Data) در Stan
• 17. شناسایی و رفع مشکلات مرتبط با شناسایی مدل
• 18. استفاده از محدودیت‌ها در Stan (constraints)
• 19. تغییر الگوریتم نمونه‌گیری در Stan
• 20. بهینه‌سازی سرعت نمونه‌گیری در Stan
• 21. استفاده از priorهای informative و uninformative
• 22. اثر priorها بر نتایج مدل
• 23. ارزیابی مدل در Stan: LOO و WAIC
• 24. مقایسه مدل‌ها در Stan
• 25. تفسیر نتایج Stan: ضرایب، بازه‌های اطمینان و احتمالات
• 26. گزارش‌دهی نتایج Stan: جداول و نمودارها
• 27. استفاده از Stan با R: رابط rstan
• 28. استفاده از Stan با Python: رابط PyStan
• 29. آشنایی با Stan Math Library
• 30. پیاده‌سازی توابع سفارشی در Stan
• 31. خطایابی و اشکال‌زدایی مدل‌های Stan
• 32. مدلسازی داده‌های زمان سری در Stan
• 33. مدل‌های بقا در Stan
• 34. مدل‌های بیزی غیرپارامتری در Stan