دوره کاربرد MCMC با Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربرد MCMC با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر روش‌های نمونه‌گیری و MCMC
• 2. مبانی نظری استنتاج بیزی
• 3. مفاهیم احتمال شرطی و توزیع‌های پیشین و پسین
• 4. مقدمه‌ای بر زبان برنامه‌نویسی R
• 5. نصب و راه‌اندازی Stan
• 6. مبانی زبان Stan: ساختار و دستورات اصلی
• 7. تعریف مدل‌های بیزی ساده در Stan
• 8. توزیع‌های احتمال رایج در Stan
• 9. نمونه‌گیری از توزیع‌های یک‌بعدی
• 10. نمونه‌گیری از توزیع‌های چندبعدی
• 11. مقدمه‌ای بر زنجیره‌های مارکوف
• 12. خواص زنجیره‌های مارکوف
• 13. همگرایی زنجیره‌های مارکوف
• 14. مقدمه‌ای بر الگوریتم Metropolis-Hastings
• 15. پیاده‌سازی Metropolis-Hastings در Stan
• 16. الگوریتم Gibbs Sampling
• 17. پیاده‌سازی Gibbs Sampling در Stan
• 18. مقدمه‌ای بر MCMC در Stan
• 19. پارامترهای کلیدی MCMC در Stan
• 20. معیارهای تشخیص همگرایی MCMC
• 21. تحلیل و تفسیر نتایج MCMC
• 22. نمودارهایtrace و ACF
• 23. شاخص R-hat
• 24. تحلیل حساسیت به پیشین
• 25. مدل‌های خطی تعمیم‌یافته بیزی
• 26. رگرسیون خطی بیزی در Stan
• 27. رگرسیون لجستیک بیزی در Stan
• 28. مدل‌های سلسله‌مراتبی
• 29. پیاده‌سازی مدل‌های سلسله‌مراتبی در Stan
• 30. بررسی مفاهیم مدل‌های سلسله‌مراتبی
• 31. مدل‌سازی سری‌های زمانی بیزی
• 32. مدل‌های ARIMA بیزی
• 33. مدل‌های حالت‌فضای بیزی
• 34. کاربرد MCMC در مدل‌های سری زمانی
• 35. مدل‌سازی داده‌های مکانی بیزی
• 36. مقدمه‌ای بر آمار مکانی
• 37. مدل‌سازی مکانی در Stan
• 38. تحلیل داده‌های مکانی با MCMC
• 39. مدل‌سازی داده‌های بقا بیزی
• 40. مدل‌های کاکس بیزی
• 41. مدل‌های بقا پارامتریک بیزی
• 42. کاربرد MCMC در تحلیل بقا
• 43. مدل‌سازی داده‌های گسسته بیزی
• 44. مدل‌های پواسون بیزی
• 45. مدل‌های دوجمله‌ای منفی بیزی
• 46. کاربرد MCMC در مدل‌های گسسته
• 47. مدل‌سازی داده‌های پیوسته بیزی
• 48. مدل‌های نرمال چندمتغیره بیزی
• 49. مدل‌های توزیع t بیزی
• 50. کاربرد MCMC در مدل‌های پیوسته
• 51. بهینه‌سازی پارامترهای مدل با MCMC
• 52. انتخاب مدل با استفاده از MCMC
• 53. اعتبارسنجی مدل با MCMC
• 54. شبیه‌سازی و پیش‌بینی با مدل‌های MCMC
• 55. مدل‌سازی پیشرفته در Stan
• 56. انواع توزیع‌های سفارشی در Stan
• 57. استفاده از توابع کمکی در Stan
• 58. بهینه‌سازی کد Stan
• 59. اشکال‌زدایی مدل‌های Stan
• 60. کاربردهای MCMC در آمار زیستی
• 61. مدل‌سازی کارآزمایی‌های بالینی با MCMC
• 62. تحلیل داده‌های ژنتیکی با MCMC
• 63. کاربرد MCMC در علوم اقتصادی
• 64. مدل‌سازی اقتصادسنجی بیزی
• 65. تحلیل سری‌های زمانی مالی با MCMC
• 66. کاربرد MCMC در علوم اجتماعی
• 67. تحلیل پیمایش‌ها با MCMC
• 68. مدل‌سازی شبکه‌های اجتماعی با MCMC
• 69. کاربرد MCMC در علوم محیطی
• 70. مدل‌سازی آلودگی هوا با MCMC
• 71. تحلیل داده‌های اقلیمی با MCMC
• 72. کاربرد MCMC در علوم مهندسی
• 73. مدل‌سازی قابلیت اطمینان با MCMC
• 74. تحلیل سیستم‌های پیچیده با MCMC
• 75. مقدمه‌ای بر نمونه‌گیری ترکیبی
• 76. کاربرد نمونه‌گیری ترکیبی در Stan
• 77. مدل‌سازی داده‌های گمشده با MCMC
• 78. استفاده از Stan برای تحلیل داده‌های گمشده
• 79. مقدمه‌ای بر روش‌های بیزی پیشرفته
• 80. روش‌های نمونه‌گیری از طریق زنجیره مارکوف پیشرفته
• 81. مقدمه‌ای بر استنتاج غیرپارامتریک بیزی
• 82. کاربرد MCMC در مدل‌های غیرپارامتریک
• 83. مدل‌سازی فرآیندهای گوسی بیزی
• 84. کاربرد MCMC در فرآیندهای گوسی
• 85. مقدمه‌ای بر یادگیری ماشین بیزی
• 86. مدل‌های بیزی برای طبقه‌بندی
• 87. مدل‌های بیزی برای رگرسیون
• 88. کاربرد MCMC در یادگیری ماشین
• 89. مقدمه‌ای بر روش‌های MCMC موازی
• 90. پیاده‌سازی MCMC موازی در Stan
• 91. کاربرد MCMC در محاسبات توزیع‌شده
• 92. مقدمه‌ای بر ارزیابی عدم قطعیت در مدل‌ها
• 93. ارزیابی عدم قطعیت با استفاده از MCMC
• 94. اصول گزارش‌دهی نتایج MCMC
• 95. اخلاق در استفاده از مدل‌های آماری
• 96. ملاحظات امنیتی در پردازش داده‌ها
• 97. رعایت قوانین حریم خصوصی داده‌ها
• 98. مقدمه‌ای بر چارچوب‌های قانونی داده در ایران
• 99. اهمیت انطباق با مقررات محتوای دیجیتال
• 100. اصول تولید محتوای آموزشی سازگار