اپلیکیشن اندرویدی فلش‌کارت آموزشی بهینه‌سازی اجرای MCMC در Stan

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی اجرای MCMC در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی آماری بیزی
• 2. مفاهیم اساسی احتمال و آمار
• 3. مقدمه‌ای بر زنجیره‌های مارکوف مونت کارلو (MCMC)
• 4. آشنایی با نرم‌افزار Stan
• 5. نصب و راه‌اندازی Stan
• 6. ساختار زبان Stan
• 7. انواع مدل‌ها در Stan
• 8. مدل‌های خطی در Stan
• 9. مدل‌های رگرسیون در Stan
• 10. مدل‌های سلسله‌مراتبی در Stan
• 11. مدل‌های خطای در Stan
• 12. مدل‌های پواسون در Stan
• 13. مدل‌های لجستیک در Stan
• 14. مدل‌های ناپارامتریک در Stan
• 15. مدل‌های گوسی در Stan
• 16. مدل‌های گاما در Stan
• 17. مدل‌های بتا در Stan
• 18. مدل‌های زیرگروهی در Stan
• 19. مدل‌های داده‌های سری زمانی در Stan
• 20. مدل‌های فضایی در Stan
• 21. پیش‌پردازش داده‌ها برای Stan
• 22. ساخت مدل‌های ساده در Stan
• 23. تعریف متغیرها و پارامترها در Stan
• 24. تعریف توابع هدف در Stan
• 25. تعریف توابع پیشین در Stan
• 26. انتخاب توابع پیشین مناسب
• 27. تفسیر خروجی‌های Stan
• 28. نمودارهای تشخیصی در Stan
• 29. اندازه‌گیری همگرایی در Stan
• 30. روش‌های نمونه‌گیری در Stan
• 31. نمونه‌گیری گیبز در Stan
• 32. نمونه‌گیری نمونه‌بردار متغیر پنهان (HMC)
• 33. نمونه‌گیری نمونه‌بردار تصادفی متغیر پنهان (NUTS)
• 34. تنظیم پارامترهای نمونه‌گیری
• 35. بهینه‌سازی پارامترهای HMC
• 36. بهینه‌سازی پارامترهای NUTS
• 37. تنظیم تعداد زنجیره‌ها
• 38. تنظیم طول زنجیره‌ها
• 39. تنظیم تعداد تکرارها
• 40. اشکال‌زدایی مدل‌های Stan
• 41. شناسایی مشکلات همگرایی
• 42. بررسی توابع هدف
• 43. بررسی توابع پیشین
• 44. بررسی داده‌ها
• 45. تکنیک‌های پیشرفته مدل‌سازی در Stan
• 46. مدل‌های خطی تعمیم‌یافته در Stan
• 47. مدل‌های چندسطحی در Stan
• 48. مدل‌های مدل‌سازی حالت در Stan
• 49. مدل‌های پیش‌بینی در Stan
• 50. ارزیابی مدل‌های پیش‌بینی
• 51. اعتبارسنجی متقابل در Stan
• 52. اعتبارسنجی مبتنی بر شبیه‌سازی
• 53. اعتبارسنجی مبتنی بر داده‌های جدید
• 54. مقایسه مدل‌ها در Stan
• 55. معیارهای مقایسه مدل‌ها
• 56. معیار اطلاعات آکائیکه (AIC)
• 57. معیار اطلاعات بیزی (BIC)
• 58. معیار اطلاعات پسین (DIC)
• 59. معیار اطلاعات پیش‌بین پسین (PPIC)
• 60. بهینه‌سازی مدل با استفاده از معیارهای مقایسه
• 61. روش‌های کاهش ابعاد در Stan
• 62. تجزیه مولفه‌های اصلی (PCA) در Stan
• 63. تجزیه مقادیر منفرد (SVD) در Stan
• 64. تحلیل عامل در Stan
• 65. مدل‌های خطی تعمیم‌یافته سلسله‌مراتبی
• 66. مدل‌های رگرسیون لجستیک سلسله‌مراتبی
• 67. مدل‌های رگرسیون پواسون سلسله‌مراتبی
• 68. مدل‌های آماری پیشرفته در Stan
• 69. مدل‌های آمیخته در Stan
• 70. مدل‌های پنهان مارکوف در Stan
• 71. مدل‌های گرافیکی در Stan
• 72. مدل‌های معادلات ساختاری در Stan
• 73. کاربرد Stan در علوم زیستی
• 74. کاربرد Stan در علوم اجتماعی
• 75. کاربرد Stan در اقتصاد
• 76. کاربرد Stan در علوم مهندسی
• 77. کاربرد Stan در علوم محیطی
• 78. کاربرد Stan در تحقیقات بالینی
• 79. کاربرد Stan در مطالعات پیمایشی
• 80. کاربرد Stan در تحلیل داده‌های حجیم
• 81. استفاده از Stan با زبان‌های برنامه‌نویسی دیگر
• 82. استفاده از R با Stan
• 83. استفاده از Python با Stan
• 84. استفاده از Julia با Stan
• 85. ارتباط Stan با سیستم‌های یادگیری ماشین
• 86. بهینه‌سازی کارایی کد Stan
• 87. نکات پیشرفته در نوشتن کد Stan
• 88. استفاده از دستورات تخصصی در Stan
• 89. تکنیک‌های نمونه‌گیری سفارشی در Stan
• 90. بررسی مسائل امنیتی در اجرای Stan
• 91. استانداردهای کدنویسی در Stan
• 92. راهنمای جامع عیب‌یابی در Stan
• 93. مطالعات موردی پیشرفته در Stan
• 94. نمونه‌سازی پیشرفته مدل‌های اقتصادی در Stan
• 95. تحلیل داده‌های پیچیده در علوم زیستی با Stan
• 96. طراحی آزمایش‌ها و تحلیل نتایج با Stan
• 97. مدل‌سازی پیش‌بینی ریسک در امور مالی با Stan
• 98. تحلیل داده‌های مکانی و زمانی در Stan
• 99. مقدمه‌ای بر مدل‌سازی سببی با Stan
• 100. مدل‌سازی پیش‌بینی در هوش مصنوعی با Stan