دوره تنظیم پارامترهای Stan برای نتایج قابل اعتماد همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیم پارامترهای Stan برای نتایج قابل اعتماد

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی آماری در علوم
• 2. مبانی استنباط آماری
• 3. مفاهیم احتمال و توزیع‌های آماری
• 4. توزیع‌های گسسته پرکاربرد
• 5. توزیع‌های پیوسته پرکاربرد
• 6. نمونه‌گیری و توزیع نمونه‌ای
• 7. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته
• 8. مفهوم پارامتر و تخمین آن
• 9. روش‌های تخمین پارامتر
• 10. بایاس و واریانس در تخمین
• 11. فاصله‌های اطمینان
• 12. آزمون فرض آماری
• 13. مقدمه‌ای بر مدل‌سازی بیزی
• 14. مقایسه رویکردهای بیزی و فراوانی‌گرا
• 15. مبانی نرم‌افزار Stan
• 16. نصب و پیکربندی Stan
• 17. زبان برنامه‌نویسی Stan
• 18. ساختار مدل در Stan
• 19. اعلام متغیرها و پارامترها در Stan
• 20. تعریف توابع احتمال در Stan
• 21. توابع شرطی و توابع کمکی در Stan
• 22. مقدمه‌ای بر نمونه‌گیری زنجیره مارکوف مونت کارلو (MCMC)
• 23. الگوریتم گیبس سمپلینگ
• 24. الگوریتم Metropolis-Hastings
• 25. مقدمه‌ای بر الگوریتم‌های MCMC در Stan
• 26. تنظیم پارامترهای پیش‌فرض MCMC در Stan
• 27. پارامترهای مربوط به طول زنجیره و burn-in
• 28. تنظیم تعداد زنجیره‌ها (chains)
• 29. تنظیم پارامترهای L-BFGS در Stan
• 30. تنظیم پارامترهای HMC در Stan
• 31. پارامترهای مربوط به adapt_delta
• 32. پارامترهای مربوط به max_treedepth
• 33. تشخیص همگرایی زنجیره‌ها
• 34. معیارهای همگرایی R-hat
• 35. معیارهای همگرایی ACF plots
• 36. معیارهای همگرایی trace plots
• 37. تفسیر نمودارهای همگرایی
• 38. روش‌های ارزیابی کیفیت مدل
• 39. معیارهای اطلاعاتی (AIC, BIC)
• 40. اعتبارسنجی متقابل (Cross-validation)
• 41. اعتبارسنجی پیش‌بینی (Posterior predictive checks)
• 42. شبیه‌سازی داده‌های جدید از مدل
• 43. مقایسه مدل‌ها با استفاده از معیارهای ارزیابی
• 44. مدل‌سازی رگرسیونی خطی در Stan
• 45. مدل‌سازی رگرسیونی تعمیم‌یافته در Stan
• 46. مدل‌سازی سری‌های زمانی در Stan
• 47. مدل‌سازی رگرسیون لجستیک در Stan
• 48. مدل‌سازی رگرسیون پواسون در Stan
• 49. مدل‌سازی مدل‌های سلسله‌مراتبی (Hierarchical Models)
• 50. مدل‌های اثرات مختلط (Mixed-effects Models)
• 51. مدل‌سازی داده‌های طولی (Longitudinal Data)
• 52. مدل‌سازی داده‌های خوشه‌ای (Clustered Data)
• 53. مدل‌سازی مدل‌های ساختاری کوواریانس (SEM)
• 54. مدل‌سازی شبکه‌های بیزی
• 55. مدل‌سازی مدل‌های گرافیکی
• 56. استفاده از Stan برای مدل‌های احتمالی
• 57. کاربرد Stan در تحلیل داده‌های زیستی
• 58. کاربرد Stan در تحلیل داده‌های اقتصادی
• 59. کاربرد Stan در تحلیل داده‌های علوم اجتماعی
• 60. کاربرد Stan در تحلیل داده‌های مهندسی
• 61. کاربرد Stan در تحلیل داده‌های علوم محیطی
• 62. کاربرد Stan در مدل‌سازی بیزین شبکه‌های عصبی
• 63. مدل‌سازی رگرسیون کوانتایل در Stan
• 64. مدل‌سازی رگرسیون کاپلان-مایر در Stan
• 65. مدل‌سازی بقا در Stan
• 66. مدل‌سازی مدل‌های مارکوف پنهان (HMM)
• 67. مدل‌سازی مدل‌های رگرسیون پوآسون تعمیم‌یافته
• 68. مدل‌سازی مدل‌های رگرسیون دوجمله‌ای تعمیم‌یافته
• 69. مدل‌سازی مدل‌های رگرسیون دیسپرس پواسون
• 70. مدل‌سازی مدل‌های رگرسیون نمایی
• 71. مدل‌سازی مدل‌های رگرسیون گاما
• 72. مدل‌سازی مدل‌های رگرسیون بتا
• 73. مدل‌سازی مدل‌های رگرسیون چندجمله‌ای
• 74. مدل‌سازی مدل‌های رگرسیون چندسطحی
• 75. مدل‌سازی مدل‌های عاملی (Factor Analysis)
• 76. مدل‌سازی مدل‌های کلاسیک تحلیل مسیر (Path Analysis)
• 77. مدل‌سازی مدل‌های مقیاس‌بندی چندبعدی (MDS)
• 78. مدل‌سازی مدل‌های خوشه‌بندی بیزی
• 79. مدل‌سازی مدل‌های پیش‌بینی کننده بیزی
• 80. مدل‌سازی مدل‌های مبتنی بر عامل (Agent-Based Models)
• 81. مدل‌سازی مدل‌های مکانی-زمانی
• 82. مدل‌سازی مدل‌های توزیع مکانی
• 83. مدل‌سازی مدل‌های احتمالاتی در یادگیری ماشین
• 84. مدل‌سازی مدل‌های پیچیده در Stan
• 85. بهینه‌سازی پارامترهای Stan برای سرعت
• 86. تکنیک‌های پیشرفته نمونه‌گیری در Stan
• 87. کاربرد Stan در یادگیری عمیق بیزی
• 88. مقدمه‌ای بر ابزارهای بصری‌سازی نتایج Stan
• 89. بصری‌سازی توزیع‌های پسین
• 90. بصری‌سازی نمودارهای همگرایی
• 91. بصری‌سازی نمودارهای پیش‌بینی
• 92. نکات عملی و رفع اشکال در Stan