دوره تکنیک‌های اعتبارسنجی نتایج MCMC در Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تکنیک‌های اعتبارسنجی نتایج MCMC در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مبانی شبیه‌سازی مارکوف چین مونت کارلو
• 2. مقدمه‌ای بر زبان برنامه‌نویسی Stan
• 3. نصب و راه‌اندازی Stan
• 4. مفاهیم آماری پایه در مدل‌سازی
• 5. توزیع‌های احتمال و کاربرد آن‌ها
• 6. روش‌های نمونه‌گیری در آمار
• 7. مقدمه‌ای بر روش‌های بیزی
• 8. مفاهیم مدل‌سازی بیزی
• 9. ساختار مدل‌های آماری
• 10. توابع درست‌نمایی و پیشین
• 11. انتشار پسین و محاسبه آن
• 12. اصول شبیه‌سازی MCMC
• 13. الگوریتم گبز
• 14. الگوریتم متروپلیس-هستینگز
• 15. مفاهیم زنجیره مارکوف
• 16. همگرایی زنجیره‌های مارکوف
• 17. تشخیص همگرایی در MCMC
• 18. معیارهای همگرایی: R-hat
• 19. معیارهای همگرایی: Trace Plots
• 20. معیارهای همگرایی: Autocorrelation Plots
• 21. اندازه‌گیری کارایی نمونه‌گیری
• 22. تکنیک‌های نمونه‌گیری پیشرفته
• 23. نمونه‌گیری با اهمیت
• 24. نمونه‌گیری انتگرال‌گیری
• 25. نمونه‌گیری اهمیت تئوری
• 26. کاربرد Stan در مدل‌سازی آماری
• 27. نوشتن مدل‌های ساده در Stan
• 28. مدل‌های خطی در Stan
• 29. مدل‌های رگرسیون لجستیک در Stan
• 30. مدل‌های سلسله‌مراتبی در Stan
• 31. مدل‌های مختلط در Stan
• 32. اعتبارسنجی مدل‌های بیزی
• 33. بررسی برازش مدل
• 34. شاخص‌های اطلاعاتی: AIC و BIC
• 35. شاخص‌های اطلاعاتی بیزی: DIC
• 36. شاخص‌های اطلاعاتی بیزی: WAIC
• 37. اعتبارسنجی متقابل در مدل‌های بیزی
• 38. تکنیک‌های اعتبارسنجی نتایج MCMC
• 39. تحلیل حساسیت پارامترها
• 40. بررسی توزیع‌های پسین
• 41. تفسیر نتایج مدل
• 42. تصویرسازی نتایج MCMC
• 43. رسم نمودارهای توزیع پسین
• 44. رسم نمودارهای پراکندگی پارامترها
• 45. محاسبه فواصل اطمینان بیزی
• 46. استفاده از بسته‌های R برای Stan
• 47. استفاده از بسته‌های Python برای Stan
• 48. مدل‌سازی داده‌های سری زمانی با Stan
• 49. مدل‌سازی داده‌های فضایی با Stan
• 50. مدل‌سازی داده‌های شبکه‌ای با Stan
• 51. مدل‌سازی داده‌های بقا با Stan
• 52. مدل‌سازی داده‌های طبقه‌بندی با Stan
• 53. مدل‌سازی داده‌های شمارشی با Stan
• 54. مدل‌سازی داده‌های پیوسته با Stan
• 55. مدل‌سازی داده‌های گسسته با Stan
• 56. مدل‌سازی داده‌های دودویی با Stan
• 57. مدل‌سازی داده‌های ترتیبی با Stan
• 58. مدل‌سازی داده‌های چندسطحی با Stan
• 59. مدل‌سازی داده‌های گمشده با Stan
• 60. مدل‌سازی داده‌های نامشخص با Stan
• 61. مدل‌سازی داده‌های حجیم با Stan
• 62. مدل‌سازی داده‌های پراکنده با Stan
• 63. مدل‌سازی داده‌های نویزی با Stan
• 64. مدل‌سازی داده‌های تابعی با Stan
• 65. مدل‌سازی داده‌های پویا با Stan
• 66. مدل‌سازی داده‌های غیرخطی با Stan
• 67. مدل‌سازی داده‌های پیچیده با Stan
• 68. بهینه‌سازی مدل‌های Stan
• 69. عیب‌یابی مدل‌های Stan
• 70. تکنیک‌های پیشرفته اعتبارسنجی
• 71. استفاده از شبیه‌سازی‌های پیشین
• 72. استفاده از شبیه‌سازی‌های پسین
• 73. بررسی سازگاری مدل با داده
• 74. تست‌های برازش مدل
• 75. تحلیل بقایای مدل
• 76. بررسی اثرات متقابل پارامترها
• 77. تجزیه و تحلیل واریانس در مدل‌های بیزی
• 78. تحلیل عاملی در مدل‌های بیزی
• 79. تحلیل مولفه‌های اصلی در مدل‌های بیزی
• 80. مدل‌سازی پیش‌بینی با Stan
• 81. ارزیابی عملکرد پیش‌بینی
• 82. مدل‌سازی سناریو با Stan
• 83. کاربرد Stan در علوم زیستی
• 84. کاربرد Stan در علوم اجتماعی
• 85. کاربرد Stan در علوم اقتصادی
• 86. کاربرد Stan در علوم مهندسی
• 87. کاربرد Stan در علوم پزشکی
• 88. کاربرد Stan در علوم محیط زیست
• 89. کاربرد Stan در علوم داده
• 90. کاربرد Stan در پژوهش‌های علمی
• 91. کاربرد Stan در تحلیل داده‌های بزرگ
• 92. کاربرد Stan در مدل‌سازی‌های پیچیده
• 93. روش‌های مقایسه‌ای مدل‌ها
• 94. انتخاب مدل بر اساس معیارهای بیزی
• 95. مقدمه‌ای بر یادگیری ماشین بیزی
• 96. شبکه‌های عصبی بیزی با Stan
• 97. ماشین‌های بردار پشتیبان بیزی با Stan
• 98. جنگل‌های تصادفی بیزی با Stan
• 99. مدل‌های گرافیکی بیزی با Stan
• 100. مقدمه‌ای بر بهینه‌سازی بیزی