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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی فرآیند MCMC با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر نمونه‌گیری زنجیره مارکوف مونت کارلو
• 2. مبانی احتمال و آمار
• 3. توزیع‌های احتمال گسسته و پیوسته
• 4. مفاهیم استنتاج آماری
• 5. روش‌های شبیه‌سازی آماری
• 6. مقدمه‌ای بر بهینه‌سازی
• 7. مبانی الگوریتم‌های بهینه‌سازی
• 8. نکات کلیدی در بهینه‌سازی مدل‌های آماری
• 9. معرفی نرم‌افزار Stan
• 10. نصب و پیکربندی Stan
• 11. زبان برنامه‌نویسی Stan
• 12. ساختار مدل در Stan
• 13. تعریف متغیرهای مدل
• 14. تعریف توزیع‌های پیشین
• 15. تعریف توزیع پسین
• 16. نحوه نمونه‌گیری در Stan
• 17. الگوریتم‌های نمونه‌گیری HMC و NUTS
• 18. تنظیم پارامترهای نمونه‌گیری
• 19. ارزیابی همگرایی مدل
• 20. نمودارهایtrace و autocorrelation
• 21. آمار خلاصه و فواصل اطمینان
• 22. تشخیص همگرایی با R-hat
• 23. تشخیص همگرایی با ESS
• 24. نکات عملی در مدل‌سازی
• 25. مدل‌های خطی در Stan
• 26. مدل‌های رگرسیون خطی
• 27. مدل‌های رگرسیون لجستیک
• 28. مدل‌های سلسله‌مراتبی
• 29. مدل‌های اثرات مختلط
• 30. مدل‌های خطی تعمیم‌یافته
• 31. کاربرد مدل‌های خطی در علوم زیستی
• 32. کاربرد مدل‌های خطی در علوم اجتماعی
• 33. کاربرد مدل‌های خطی در مهندسی
• 34. مدل‌های سری زمانی در Stan
• 35. مدل‌های ARIMA
• 36. مدل‌های حالت فضا
• 37. مدل‌های فیلتر کالمن
• 38. مدل‌های پیش‌بینی سری زمانی
• 39. کاربرد مدل‌های سری زمانی در اقتصاد
• 40. کاربرد مدل‌های سری زمانی در آب‌وهواشناسی
• 41. مدل‌های بقا در Stan
• 42. مدل‌های کاکس
• 43. مدل‌های پارامتریک بقا
• 44. مدل‌های ناپارامتریک بقا
• 45. کاربرد مدل‌های بقا در پزشکی
• 46. مدل‌های شبکه‌ای در Stan
• 47. تحلیل شبکه‌های اجتماعی
• 48. مدل‌سازی پویایی شبکه‌ها
• 49. کاربرد مدل‌های شبکه‌ای در زیست‌شناسی
• 50. مدل‌های فضایی در Stan
• 51. مدل‌های رگرسیون فضایی
• 52. مدل‌های خودرگرسیون فضایی
• 53. کاربرد مدل‌های فضایی در جغرافیا
• 54. بهینه‌سازی مدل‌های پیچیده
• 55. مدل‌سازی مبتنی بر عامل
• 56. شبیه‌سازی رویداد گسسته
• 57. روش‌های ابتکاری در بهینه‌سازی
• 58. بهینه‌سازی چندهدفه
• 59. بهینه‌سازی با محدودیت
• 60. تکنیک‌های پیشرفته در Stan
• 61. نمونه‌گیری غیرموازی
• 62. استفاده از GPU در Stan
• 63. توسعه رابط‌های کاربری برای Stan
• 64. ادغام Stan با سایر نرم‌افزارها
• 65. کاربرد Stan در تحلیل داده‌های بزرگ
• 66. مباحث پیشرفته در نمونه‌گیری MCMC
• 67. روش‌های حساسیت‌سنجی مدل
• 68. اعتبارسنجی متقابل مدل
• 69. تفسیر نتایج مدل‌های پیچیده
• 70. روش‌های بصری‌سازی پیشرفته
• 71. استفاده از بسته‌های R و Python برای Stan
• 72. مدل‌سازی ساختار عاملی
• 73. مدل‌سازی معادلات ساختاری
• 74. مدل‌سازی تحلیل مسیر
• 75. کاربرد در روان‌سنجی
• 76. مدل‌سازی در علوم رفتاری
• 77. مدل‌سازی در مطالعات اجتماعی
• 78. مدل‌سازی در مدیریت
• 79. مدل‌سازی در علوم سیاسی
• 80. مدل‌سازی در مطالعات فرهنگی
• 81. مدل‌سازی در پژوهش‌های بازار
• 82. مدل‌سازی در علوم محیطی
• 83. مدل‌سازی در علوم زمین
• 84. مدل‌سازی در مهندسی نرم‌افزار
• 85. مدل‌سازی در داده‌کاوی
• 86. مدل‌سازی در یادگیری ماشین
• 87. مدل‌سازی در هوش مصنوعی
• 88. مدل‌سازی در تحلیل داده‌های پزشکی
• 89. مدل‌سازی در پژوهش‌های بالینی
• 90. مدل‌سازی در بهداشت عمومی
• 91. مدل‌سازی در علوم اقتصادی
• 92. مدل‌سازی در مالیه
• 93. مدل‌سازی در بیمه
• 94. مدل‌سازی در مدیریت ریسک
• 95. مدل‌سازی در بهینه‌سازی تولید
• 96. مدل‌سازی در لجستیک
• 97. مدل‌سازی در زنجیره تأمین
• 98. مدل‌سازی در برنامه‌ریزی استراتژیک
• 99. مدل‌سازی در ارزیابی عملکرد
• 100. مدل‌سازی در تحلیل تصمیم