کتاب تکنیک‌های اعتبارسنجی نتایج در Stan با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تکنیک‌های اعتبارسنجی نتایج در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی احتمالی بیزی
• 2. مفاهیم پایه آمار بیزی
• 3. آشنایی با زبان برنامه‌نویسی Stan
• 4. نصب و راه‌اندازی Stan و ابزارهای مرتبط
• 5. ساختار یک مدل Stan
• 6. انواع داده‌ها در Stan
• 7. توابع و عملگرها در Stan
• 8. متغیرهای تصادفی و توزیع‌های احتمال
• 9. توزیع‌های احتمال رایج در Stan
• 10. نمونه‌برداری زنجیره‌ای مارکوف مونت کارلو (MCMC)
• 11. الگوریتم‌های MCMC در Stan
• 12. تشخیص همگرایی MCMC
• 13. ارزیابی عملکرد MCMC
• 14. تکنیک‌های بهبود MCMC
• 15. مدل‌های خطی تعمیم‌یافته (GLM) در Stan
• 16. رگرسیون لجستیک در Stan
• 17. مدل‌های رگرسیون پواسون در Stan
• 18. مدل‌های سلسله مراتبی در Stan
• 19. مدل‌های اثرات تصادفی در Stan
• 20. مدل‌سازی داده‌های گمشده در Stan
• 21. تخمین پارامترهای مدل
• 22. پیش‌بینی با استفاده از مدل‌های Stan
• 23. اعتبارسنجی مدل با استفاده از داده‌های جدید
• 24. مقایسه مدل‌ها با استفاده از معیارهای اطلاعاتی
• 25. تحلیل حساسیت مدل
• 26. بررسی اثرات پیشین بر نتایج
• 27. تفسیر نتایج Stan
• 28. مصورسازی نتایج Stan
• 29. استفاده از Stan برای تحلیل داده‌های سری زمانی
• 30. مدل‌سازی تغییرات زمانی در Stan
• 31. مدل‌سازی داده‌های مکانی در Stan
• 32. مدل‌های اسپتیال در Stan
• 33. استفاده از Stan برای تحلیل داده‌های چندمتغیره
• 34. مدل‌های همبستگی در Stan
• 35. مدل‌های عامل در Stan
• 36. بررسی مفروضات مدل
• 37. تشخیص و رفع مشکلات مدل
• 38. بهینه‌سازی کد Stan برای افزایش سرعت
• 39. استفاده از Stan با R
• 40. استفاده از Stan با Python
• 41. استفاده از Stan با Julia
• 42. ادغام Stan با پایگاه‌های داده
• 43. مستندسازی مدل‌های Stan
• 44. بهترین روش‌ها برای ساخت مدل‌های Stan
• 45. خطاهای رایج در Stan و نحوه رفع آن‌ها
• 46. مثال‌های کاربردی مدل‌سازی با Stan در علوم پزشکی
• 47. مثال‌های کاربردی مدل‌سازی با Stan در مهندسی
• 48. مثال‌های کاربردی مدل‌سازی با Stan در علوم اجتماعی
• 49. مدل‌سازی Bayesian برای داده‌های بزرگ
• 50. تکنیک‌های موازی‌سازی در Stan
• 51. اعتبارسنجی متقابل مدل در Stan
• 52. تکنیک‌های کاهش واریانس در MCMC
• 53. مدل‌سازی داده‌های سانسور شده در Stan
• 54. مدل‌سازی داده‌های با مقادیر پرت در Stan
• 55. مدل‌سازی داده‌های نامتعادل در Stan
• 56. استفاده از Stan برای یادگیری ماشین Bayesian
• 57. شبکه‌های بیزی در Stan
• 58. مدل‌های ترکیبی در Stan
• 59. توسعه مدل‌های سفارشی در Stan
• 60. به‌روزرسانی مدل‌ها با داده‌های جدید
• 61. مدل‌سازی عدم قطعیت در Stan
• 62. تکنیک‌های Post-Processing در Stan
• 63. ارائه نتایج Stan به مخاطبان غیرمتخصص