دوره تنظیمات پیشرفته for Modeling in Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب تنظیمات پیشرفته for Modeling in Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مفاهیم پایه استن
• 2. نصب و راه‌اندازی استن
• 3. آشنایی با زبان استن
• 4. ساختار کلی مدل استن
• 5. بخش‌های مدل استن (data, parameters, model, generated quantities)
• 6. انواع داده‌ها در استن (int, real, vector, matrix, array)
• 7. اعلام متغیرها در بخش data
• 8. اعلام متغیرها در بخش parameters
• 9. اعلام متغیرها در بخش model
• 10. اعلام متغیرها در بخش generated quantities
• 11. توابع ریاضی پایه در استن (exp, log, sin, cos, etc.)
• 12. توابع شرطی (if, else if, else)
• 13. حلقه‌ها (for, while)
• 14. عملیات برداری (vectorized operations)
• 15. کار با ماتریس‌ها در استن
• 16. کار با آرایه‌ها در استن
• 17. توزیع‌های احتمال گسسته (Binomial, Bernoulli, Poisson, etc.)
• 18. توزیع‌های احتمال پیوسته (Normal, Uniform, Exponential, etc.)
• 19. توزیع‌های پیشین (Prior distributions)
• 20. توزیع‌های پیشین متداول (Normal, Uniform, Gamma, Beta, etc.)
• 21. توزیع‌های پیشین نامناسب (Improper priors)
• 22. انتخاب توزیع پیشین مناسب
• 23. توزیع‌های پیشین برای پارامترهای مقیاس (scale parameters)
• 24. توزیع‌های پیشین برای پارامترهای موقعیت (location parameters)
• 25. توزیع‌های پیشین برای پارامترهای مرتبط با واریانس (variance parameters)
• 26. مدل‌های خطی (Linear models)
• 27. مدل‌های رگرسیون خطی ساده
• 28. مدل‌های رگرسیون خطی چندگانه
• 29. مدل‌های خطی تعمیم‌یافته (Generalized Linear Models - GLMs)
• 30. مدل‌های خطی تعمیم‌یافته با توزیع نرمال (Linear Regression)
• 31. مدل‌های خطی تعمیم‌یافته با توزیع پواسون (Poisson Regression)
• 32. مدل‌های خطی تعمیم‌یافته با توزیع برنولی/دوجمله‌ای (Logistic/Binomial Regression)
• 33. مدل‌های سلسله مراتبی (Hierarchical models)
• 34. مزایای مدل‌های سلسله مراتبی
• 35. پیاده‌سازی مدل‌های سلسله مراتبی در استن
• 36. مدل‌های اثرات مشترک (Mixed-effects models)
• 37. مدل‌های اثرات ثابت (Fixed effects)
• 38. مدل‌های اثرات تصادفی (Random effects)
• 39. مدل‌های اثرات مختلط (Mixed effects)
• 40. مدل‌های اثرات گروهی (Group-level effects)
• 41. مدل‌های اثرات انفرادی (Individual-level effects)
• 42. مدل‌های فضایی (Spatial models)
• 43. مدل‌های زمانی (Time series models)
• 44. مدل‌های فصلی (Seasonal models)
• 45. مدل‌های خودهمبسته (Autoregressive models)
• 46. مدل‌های میانگین متحرک (Moving Average models)
• 47. مدل‌های ARMA و ARIMA
• 48. مدل‌های گوسی فرایند (Gaussian Process models)
• 49. مدل‌های بقا (Survival analysis models)
• 50. مدل‌های کوکس (Cox proportional hazards models)
• 51. مدل‌های بقا با پارامترهای تصادفی
• 52. مدل‌های مقایسه‌ای (Comparative models)
• 53. مدل‌های مقایسه‌ای برای داده‌های دودویی
• 54. مدل‌های مقایسه‌ای برای داده‌های ترتیبی
• 55. مدل‌های مقایسه‌ای برای داده‌های شمارشی
• 56. مدل‌های مقایسه‌ای با اثرات متقابل
• 57. مدل‌های عدم قطعیت (Uncertainty quantification)
• 58. ارزیابی عدم قطعیت پارامترها
• 59. ارزیابی عدم قطعیت پیش‌بینی‌ها
• 60. تحلیل حساسیت (Sensitivity analysis)
• 61. تشخیص همگرایی (Convergence diagnostics)
• 62. نمودارهای trace plots
• 63. نمودارهای autocorrelation plots
• 64. آماره R-hat
• 65. نمودارهای postérieure predictive checks (PPCs)
• 66. تفسیر نتایج PPCs
• 67. اعتبارسنجی مدل (Model validation)
• 68. مقایسه مدل‌ها (Model comparison)
• 69. معیار اطلاعات آکائیکه (AIC)
• 70. معیار اطلاعات بیزی آکائیکه (BIC)
• 71. معیار اطلاعات آکائیکه تصحیح شده (AICc)
• 72. معیار اطلاعات پسین (DIC)
• 73. معیار اطلاعات پسین تعمیم‌یافته (LOO-CV)
• 74. کارایی الگوریتم‌های نمونه‌برداری (Sampling algorithm efficiency)
• 75. تنظیم پارامترهای MCMC (Markov Chain Monte Carlo)
• 76. تعداد زنجیره‌ها (number of chains)
• 77. طول هر زنجیره (chain length)
• 78. گرم کردن (warm-up or burn-in)
• 79. تنظیم پارامترهای NUTS (No-U-Turn Sampler)
• 80. تنظیم گام (step size)
• 81. تنظیم عمق تکرار (max_treedepth)
• 82. بهینه‌سازی کد استن (Stan code optimization)
• 83. استفاده از توابع تعریف شده توسط کاربر (User-defined functions)
• 84. کتابخانه‌های استن (Stan libraries)
• 85. کار با داده‌های بزرگ (Working with large datasets)
• 86. روش‌های نمونه‌برداری سریع‌تر (Faster sampling methods)
• 87. استفاده از GPU در استن
• 88. استفاده از ابزارهای موازی‌سازی (Parallelization tools)
• 89. یکپارچه‌سازی استن با R
• 90. یکپارچه‌سازی استن با Python
• 91. یکپارچه‌سازی استن با Julia
• 92. کار با داده‌های گم‌شده (Missing data handling)
• 93. روش‌های پیچیده مدل‌سازی (Advanced modeling techniques)
• 94. مدل‌های پویا (Dynamic models)
• 95. مدل‌های شرطی (Conditional models)
• 96. مدل‌های ساختاری (Structural models)
• 97. مدل‌های شبکه‌ای (Network models)
• 98. مدل‌های یادگیری ماشینی در استن
• 99. کار با داده‌های تصویری در استن
• 100. کار با داده‌های متنی در استن