کتاب صوتی اتصال Stan به R: راهنمای عملی برای مدل‌سازی آماری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اتصال Stan به R: راهنمای عملی برای مدل‌سازی آماری

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

موضوع میانی: ادغام Stan با R، Python و سایر زبان‌ها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی بیزی و نقش Stan
• 2. ساختار کد Stan: بلوک‌ها و دستورالعمل‌ها
• 3. نصب و پیکربندی rstan در R
• 4. اولین مدل: رگرسیون خطی ساده با Stan
• 5. تبدیل داده‌ها به فرمت ورودی Stan
• 6. اجرای نمونه‌گیری و درک خروجی‌ها
• 7. خلاصه‌ی آماری و تفسیر پارامترها
• 8. تشخیص همگرایی: R-hat و ESS
• 9. نمایش بصری زنجیره‌های مارکوف
• 10. عملیات پس‌پردازش با bayesplot
• 11. مدل‌های خطی عمومی (GLM) در Stan
• 12. رگرسیون لجستیک بیزی
• 13. رگرسیون پواسون و داده‌های شمارشی
• 14. مدل‌های سلسله‌مراتبی: ساختار گروهی
• 15. پیش‌توزیع‌های سلسله‌مراتبی نیمه-بایار
• 16. مدل‌سازی داده‌های پلی‌کندی
• 17. مدل‌های مخلوط بیزی
• 18. مدل‌های حلقه‌ای و سری زمانی
• 19. مدل‌سازی داده‌های حذف‌شده
• 20. تولید داده‌های تکراری (PPC)
• 21. انتخاب مدل: WAIC و LOO-CV
• 22. صلاح‌دید و پیش‌بینی کاربردی
• 23. توزیع‌های سفارشی و likelihood
• 24. بهینه‌سازی سرعت: کامپایل و caching
• 25. مدیریت حافظه برای داده‌های بزرگ
• 26. کنترل کیفیت: adapt_delta و max_treedepth
• 27. دیباگ divergent transitions
• 28. مدل‌های مخلوط با توزیع t
• 29. مدل‌های فضای حالت و کالمن فیلتر
• 30. مارکوف‌های پنهان (HMM)
• 31. مدل‌سازی مکانیزم‌های ناقصه
• 32. مدل‌های بقا و Hazard
• 33. مدل‌های زمانی پیچیده (GARCH)
• 34. مدل‌های فضایی بیزی
• 35. مدل‌سازی شبکه‌ها و گراف‌ها
• 36. مدل‌های انتخاب متغیر
• 37. مدل‌های بیزی غیرخطی
• 38. مدل‌های بتا-بینومیل و نسبت‌ها
• 39. مدل‌های ترتیبی (Ordinal)
• 40. مدل‌های مخلوط با توزیع زیر-پرشتاب
• 41. مدل‌سازی داده‌های توابعی
• 42. کار با brms و رابط‌های بالاتر
• 43. مقایسه rstan و cmdstanr
• 44. اتصال Stan به R Markdown
• 45. یکپارچه‌سازی با Shiny
• 46. خودکارسازی تحلیل با توابع سفارشی
• 47. مدیریت پروژه‌های چندمدلی
• 48. پایپ‌لاین کاری استخراج تا گزارش
• 49. استانداردسازی کد و version control
• 50. مستندسازی و بازتولیدپذیری
• 51. تست مدل‌ها با داده‌های مصنوعی
• 52. مقایسه با روش‌های فرکانسیست
• 53. تفسیر نتایج برای ذی‌نفعان غیرمتخصص
• 54. نوشتن مقاله با نتایج Stan
• 55. مدیریت وابستگی‌ها و بروزرسانی‌ها
• 56. بهینه‌سازی برای تولید مقیاس
• 57. استفاده از GPU و محاسبات توزیع‌شده
• 58. مدل‌سازی چندمتغیره و ماتریس هم‌بستگی
• 59. مدل‌های مخلوط بیزی و تغییرزمانی
• 60. مدل‌سازی داده‌های چندسطحی پیشرفته