کتاب صوتی راهنمای جامع برای کار با Stan

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای جامع برای کار با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. آشنایی با Stan و فلسفه مدل‌سازی احتمالی
• 2. نصب و راه‌اندازی Stan و ابزارهای مرتبط (RStan, CmdStan)
• 3. مبانی زبان مدل‌سازی Stan
• 4. انواع داده‌ها و توابع در Stan
• 5. تعریف مدل‌های آماری در Stan: توابع احتمال
• 6. تعریف مدل‌های آماری در Stan: توزیع‌های پیشین
• 7. تعریف مدل‌های آماری در Stan: پارامترها و تبدیل‌ها
• 8. نوشتن مدل‌های خطی ساده در Stan
• 9. نوشتن مدل‌های رگرسیونی در Stan
• 10. نوشتن مدل‌های تعمیم‌یافته در Stan (GLM)
• 11. نوشتن مدل‌های سلسله‌مراتبی (Hierarchical Models) در Stan
• 12. نوشتن مدل‌های مخلوط (Mixture Models) در Stan
• 13. تکنیک‌های بهینه‌سازی در Stan
• 14. نمونه‌گیری MCMC با Stan: الگوریتم‌های پیش‌فرض
• 15. تنظیم پارامترهای نمونه‌گیری MCMC در Stan
• 16. ارزیابی همگرایی MCMC در Stan
• 17. تشخیص مشکلات همگرایی و راهکارهای رفع آن‌ها
• 18. استفاده از زنجیره‌های نمونه‌گیری چندگانه
• 19. تکنیک‌های کاهش همبستگی در نمونه‌گیری MCMC
• 20. مدل‌سازی داده‌های گمشده (Missing Data) در Stan
• 21. مدل‌سازی با داده‌های سانسورشده (Censored Data) در Stan
• 22. مدل‌سازی سری‌های زمانی در Stan
• 23. مدل‌سازی مدل‌های بقا (Survival Models) در Stan
• 24. استفاده از Stan برای مدل‌سازی Bayesian A/B Testing
• 25. اعتبارسنجی مدل در Stan: بررسی تناسب مدل با داده‌ها
• 26. مقایسه مدل‌ها با استفاده از معیارهای اطلاعاتی (WAIC, LOO)
• 27. پیش‌بینی با استفاده از مدل‌های Stan
• 28. مدل‌سازی و تحلیل داده‌های فضایی در Stan
• 29. مفاهیم پیشرفته در Stan: توابع کنترل (Control Functions)
• 30. مفاهیم پیشرفته در Stan: توابع تبدیل (Transformation Functions)
• 31. مفاهیم پیشرفته در Stan: مدل‌سازی چندمتغیره (Multivariate Models)
• 32. استفاده از Stan با رابط‌های کاربری گرافیکی (GUI)
• 33. ادغام Stan با زبان‌های برنامه‌نویسی دیگر (Python, Julia)
• 34. استفاده از Stan برای شبیه‌سازی داده‌ها
• 35. عیب‌یابی و رفع خطاهای رایج در Stan
• 36. بهینه‌سازی کد Stan برای افزایش سرعت
• 37. کار با Stan در محیط‌های محاسباتی ابری
• 38. مقدمه‌ای بر Stan و یادگیری عمیق (Deep Learning)