فلش‌کارت‌های آموزشی راهنمای جامع برای MCMC با Stan

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای جامع برای MCMC با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر نمونه‌گیری زنجیره مارکوف مونت کارلو (MCMC)
• 2. آشنایی با نرم‌افزار Stan
• 3. نصب و پیکربندی Stan
• 4. مبانی زبان Stan: ساختار و دستورات
• 5. تعریف مدل‌های احتمالاتی در Stan
• 6. مدل‌های خطی در Stan
• 7. مدل‌های رگرسیون لجستیک در Stan
• 8. مدل‌های رگرسیون پواسون در Stan
• 9. مدل‌های ساده سلسله‌مراتبی در Stan
• 10. مدل‌های سلسله‌مراتبی چندسطحی در Stan
• 11. مدل‌های خطای اندازه‌گیری در Stan
• 12. مدل‌های سری زمانی با Stan
• 13. مدل‌های فیلتر کالمن در Stan
• 14. مدل‌های گوسی در Stan
• 15. تنظیم پارامترهای MCMC در Stan
• 16. روش‌های نمونه‌گیری در Stan: Metropolis-Hastings
• 17. روش‌های نمونه‌گیری در Stan: Gibbs Sampling
• 18. روش‌های نمونه‌گیری در Stan: Hamiltonian Monte Carlo (HMC)
• 19. روش‌های نمونه‌گیری در Stan: No-U-Turn Sampler (NUTS)
• 20. ارزیابی همگرایی زنجیره‌های MCMC
• 21. معیارهای همگرایی: R-hat
• 22. معیارهای همگرایی: Trace Plots
• 23. معیارهای همگرایی: Autocorrelation Plots
• 24. عیب‌یابی مدل‌های Stan
• 25. بهینه‌سازی مدل‌های Stan
• 26. استفاده از Stan برای مدل‌سازی آماری پیشرفته
• 27. مدل‌های بیزی در Stan
• 28. مفاهیم پیشین و پسین در مدل‌های بیزی
• 29. انتخاب توزیع پیشین مناسب
• 30. تفسیر نتایج بیزی
• 31. کاربرد Stan در علوم اقتصادی
• 32. مدل‌سازی داده‌های مالی با Stan
• 33. تحلیل ریسک با Stan
• 34. پیش‌بینی سری‌های زمانی اقتصادی با Stan
• 35. کاربرد Stan در علوم اجتماعی
• 36. تحلیل داده‌های نظرسنجی با Stan
• 37. مدل‌سازی رفتار رای‌دهندگان با Stan
• 38. تحلیل شبکه‌های اجتماعی با Stan
• 39. کاربرد Stan در علوم زیستی
• 40. مدل‌سازی داده‌های ژنتیکی با Stan
• 41. تحلیل داده‌های اپیدمیولوژیک با Stan
• 42. مدل‌سازی بقا با Stan
• 43. کاربرد Stan در علوم پزشکی
• 44. مدل‌سازی پاسخ به درمان با Stan
• 45. تحلیل کارآزمایی‌های بالینی با Stan
• 46. کاربرد Stan در علوم مهندسی
• 47. مدل‌سازی قابلیت اطمینان با Stan
• 48. تحلیل داده‌های آزمایشگاهی با Stan
• 49. کاربرد Stan در علوم محیط زیست
• 50. مدل‌سازی آلودگی هوا با Stan
• 51. تحلیل داده‌های آب و هوایی با Stan
• 52. کاربرد Stan در یادگیری ماشین
• 53. مدل‌های بیزی برای طبقه‌بندی با Stan
• 54. مدل‌های بیزی برای خوشه‌بندی با Stan
• 55. یادگیری عمیق بیزی با Stan
• 56. ساخت مدل‌های سفارشی در Stan
• 57. استفاده از Stan با زبان‌های برنامه‌نویسی دیگر (R, Python)
• 58. یکپارچه‌سازی Stan با RStudio
• 59. یکپارچه‌سازی Stan با Jupyter Notebook
• 60. ترکیب Stan با سایر ابزارهای آماری
• 61. کاربرد Stan در تحلیل داده‌های بزرگ
• 62. چالش‌های مدل‌سازی مقیاس‌پذیر با Stan
• 63. ملاحظات محاسباتی در مدل‌سازی با Stan
• 64. مدل‌سازی احتمالات شرطی با Stan
• 65. مدل‌های پویا در Stan
• 66. مدل‌های مبتنی بر عامل با Stan
• 67. ساخت مدل‌های آماری از ابتدا در Stan
• 68. تکنیک‌های پیشرفته در زبان Stan
• 69. مدل‌سازی داده‌های طبقه‌بندی شده با Stan
• 70. مدل‌سازی داده‌های ترتیبی با Stan
• 71. مدل‌سازی داده‌های شمارشی با Stan
• 72. مدل‌سازی داده‌های داده‌گرا با Stan
• 73. استفاده از Stan برای شبیه‌سازی
• 74. بررسی حساسیت مدل به پارامترهای پیشین
• 75. تحلیل سناریو با Stan
• 76. مدل‌سازی عدم قطعیت با Stan
• 77. روش‌های ارزیابی مدل در Stan
• 78. مقایسه مدل‌ها در Stan
• 79. مدل‌سازی ترکیبی با Stan
• 80. کاربرد Stan در پردازش زبان طبیعی
• 81. مدل‌سازی موضوعی با Stan
• 82. تحلیل احساسات با Stan
• 83. مدل‌سازی زبان با Stan
• 84. مبانی آمار بیزی برای کاربران Stan
• 85. مفاهیم توزیع‌های نرمال-گاما و نرمال-اینورس-گاما
• 86. کاربرد توزیع‌های بتا و دیریشله
• 87. مدل‌سازی داده‌های آماری با استفاده از توزیع‌های سفارشی
• 88. ملاحظات اخلاقی در مدل‌سازی آماری
• 89. حفظ حریم خصوصی داده‌ها در مدل‌سازی
• 90. شفافیت در نتایج مدل‌سازی
• 91. کاربرد Stan در تحقیقات علمی
• 92. اصول نگارش گزارش‌های پژوهشی با استفاده از Stan
• 93. ارائه نتایج مدل‌سازی آماری
• 94. آموزش پیشرفته مدل‌سازی بیزی با Stan
• 95. تمرین‌های عملی با مجموعه داده‌های واقعی
• 96. پروژه‌های کاربردی با استفاده از Stan
• 97. مقدمه‌ای بر روش‌های بیزی پیشرفته
• 98. بهینه‌سازی مدل‌های پیچیده در Stan
• 99. کاربرد Stan در تحلیل داده‌های پرت
• 100. ساخت مدل‌های چندوجهی در Stan