کتاب استفاده از Stan برای تحلیلهای پیشرفته با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره استفاده از Stan برای تحلیلهای پیشرفته
موضوع کلی: روشهای نمونهگیری مونتکارلو مارکوف (MCMC) در آمار بیزی
موضوع میانی: مخاطرات و تنظیمات Stan
📋 سرفصلهای دوره
- 1. مقدمهای بر استنباط بیزی پیشرفته و ضرورت استفاده از زبان برنامهنویسی Stan
- 2. نصب و راهاندازی محیط Stan در زبانهای R و Python (CmdStan و RStan)
- 3. ساختار کلی فایلهای برنامهنویسی Stan (بخشهای data، parameters، model و غیره)
- 4. تعریف توابع توزیع پیشین (Priors) و پسین (Posteriors) در مدلهای بیزی
- 5. اصول نمونهگیری الگوریتمهای همیلتونی مونتکارلو (HMC) و نمونهگیر گیبس نوکم (NUTS)
- 6. تنظیمات پیشرفته و پارامترهای کنترلی الگوریتم نمونهگیری در Stan
- 7. بررسی واگراییهای هامیلتونین (Divergent Transitions) و راههای رفع آنها
- 8. مدیریت خطاهای مربوط به خطاهای درخت حداکثر عمق (Max Treedepth) در Stan
- 9. بررسی انرژی برآورد شده و اعتبارسنجی کیفیت نمونهبرداری با نمودارهای E-BFMI
- 10. تشخیص مشکلات همگرایی زنجیرهها با شاخص R-hat و اندازه نمونه موثر (ESS)
- 11. مدلسازی سلسلهمراتبی (Hierarchical Models) و اثرات تصادفی در Stan
- 12. مدلهای رگرسیون خطی و غیرخطی پیشرفته در بستر آمار بیزی با Stan
- 13. مدلسازی سریهای زمانی و تحلیلهای فضا-زمان با استفاده از توابع Stan
- 14. مدلهای ترکیبی (Mixture Models) و خوشهبندی پنهان در ساختار بیزی
- 15. مدلهای متغیر پنهان و متغیرهای مفقود (Missing Data) در تحلیلهای Stan
- 16. بهینهسازی کدهای Stan برای افزایش سرعت محاسبات و کاهش زمان نمونهگیری
- 17. استفاده از بهینهسازی نقطهای (Optimization) و الگوریتمهای Variational Inference در Stan
- 18. استفاده از توابع تعریفشده توسط کاربر (User-Defined Functions) در بلوک functions
- 19. بررسی کدهای برداریسازیشده (Vectorization) برای بهینهسازی عملکرد مدل
- 20. تحلیل پس از نمونهگیری (Post-processing) و استخراج نتایج با پکیجهای ArviZ و bayesplot
- 21. اعتبارسنجی پیشین و پسین (Prior and Posterior Predictive Checks) در ارزیابی مدل
- 22. پروژه جامع: پیادهسازی، عیبیابی و تحلیل پیشرفته یک مدل آماری پیچیده در محیط Stan
تگها:
Bayesian Statistics
CmdStan
Data Analysis
Hamiltonian Monte Carlo
Machine Learning
MCMC
NUTS
Posterior Predictive Checks
Python
R
RStan
Stan
Statistical Modeling
آمار بیزی
مدلسازی سلسلهمراتبی
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.