دوره راهنمای جامع for MCMC with Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای جامع for MCMC with Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مبانی احتمال و استنباط آماری
• 2. مقدمه‌ای بر زنجیره‌های مارکوف مونت کارلو (MCMC)
• 3. نصب و راه‌اندازی نرم‌افزار Stan
• 4. آشنایی با زبان Stan: ساختار و سینتکس
• 5. مدل‌سازی خطی با Stan
• 6. مدل‌های رگرسیون لجستیک در Stan
• 7. مدل‌های سلسله مراتبی (Hierarchical Models)
• 8. تنظیم پارامترهای MCMC در Stan
• 9. ارزیابی همگرایی زنجیره‌ها
• 10. روش‌های تشخیص همگرایی (Trace Plots, Autocorrelation)
• 11. نمودارهای خودهمبستگی و تشخیص آن
• 12. تحلیل پسین (Posterior Analysis)
• 13. محاسبه آماره‌های توصیفی پسین
• 14. رسم نمودارهای پسین (Posterior Plots)
• 15. انواع توزیع‌های پیشین (Prior Distributions)
• 16. انتخاب توزیع‌های پیشین مناسب
• 17. توزیع‌های پیشین غیر اطلاعاتی (Non-informative Priors)
• 18. توزیع‌های پیشین اطلاعاتی (Informative Priors)
• 19. مدل‌سازی داده‌های شمارشی (Count Data)
• 20. مدل‌های پواسون (Poisson Models)
• 21. مدل‌های دوجمله‌ای منفی (Negative Binomial Models)
• 22. مدل‌سازی داده‌های باقیمانده (Zero-Inflated Models)
• 23. مدل‌سازی داده‌های گسسته
• 24. مدل‌سازی داده‌های پیوسته
• 25. مدل‌سازی داده‌های سری زمانی
• 26. مدل‌های ARIMA در Stan
• 27. مدل‌سازی فضایی (Spatial Modeling)
• 28. مدل‌های خطی تعمیم‌یافته (Generalized Linear Models)
• 29. مدل‌های خطی تعمیم‌یافته غیرخطی (Generalized Non-linear Models)
• 30. مدل‌سازی بقا (Survival Analysis)
• 31. مدل‌های کاکس (Cox Models)
• 32. مدل‌سازی ناهنجاری (Outlier Detection)
• 33. استفاده از Stan برای مدل‌های احتمالاتی گرافیکی
• 34. شبکه‌های بیزی (Bayesian Networks)
• 35. روش‌های نمونه‌گیری پیشرفته در Stan
• 36. نمونه‌گیری با متغیر کمکی (Auxiliary Variable Sampling)
• 37. نمونه‌گیری با پارتیشن‌بندی (Partitioned Sampling)
• 38. نمونه‌گیری با استفاده از روش گام به گام (Stepwise Sampling)
• 39. مدیریت داده‌های گمشده (Missing Data)
• 40. روش‌های ایمپوتیشن (Imputation Methods)
• 41. مدل‌سازی داده‌های گمشده با Stan
• 42. بهینه‌سازی مدل‌ها در Stan
• 43. تنظیم و اعتبارسنجی مدل
• 44. اعتبارسنجی متقابل (Cross-validation)
• 45. روش‌های بایزی مقایسه مدل (Bayesian Model Comparison)
• 46. معیار اطلاعات آکائیک بایزی (BIC)
• 47. معیار اطلاعات آکائیک هیوز (DIC)
• 48. معیار اطلاعات آکائیک واهابا (WAIC)
• 49. استفاده از Stan برای شبیه‌سازی (Simulation)
• 50. تولید داده‌های شبیه‌سازی شده
• 51. بررسی حساسیت مدل به پیشین‌ها
• 52. مدل‌سازی عوامل پنهان (Latent Variable Models)
• 53. مدل‌های عاملی (Factor Models)
• 54. مدل‌های ساختاری معادلات (Structural Equation Models)
• 55. تحلیل ممیزی (Discriminant Analysis)
• 56. تحلیل خوشه‌ای (Cluster Analysis)
• 57. یادگیری ماشین با Stan
• 58. مدل‌های رگرسیون غیرخطی
• 59. شبکه‌های عصبی بایزی (Bayesian Neural Networks)
• 60. یادگیری عمیق با Stan
• 61. مدل‌های تولیدی (Generative Models)
• 62. مدل‌های تقریبی بایزی (Approximate Bayesian Inference)
• 63. روش‌های استنباط بایزی فعال (Variational Inference)
• 64. کاربرد Stan در علوم اجتماعی
• 65. کاربرد Stan در اقتصاد
• 66. کاربرد Stan در پزشکی و بهداشت
• 67. کاربرد Stan در علوم محیطی
• 68. کاربرد Stan در مهندسی
• 69. کاربرد Stan در علوم داده
• 70. کاربرد Stan در تحقیقات بازاریابی
• 71. کاربرد Stan در تحلیل ریسک
• 72. کاربرد Stan در مدل‌سازی مالی
• 73. ساختارهای داده‌ای پیشرفته در Stan
• 74. توابع سفارشی در Stan (User-defined Functions)
• 75. برنامه‌نویسی شرطی در Stan
• 76. حلقه‌ها و ساختارهای تکرار در Stan
• 77. مدیریت خطا و اشکال‌زدایی در Stan
• 78. بهینه‌سازی عملکرد کد Stan
• 79. استفاده از Stan در محیط‌های ابری
• 80. ادغام Stan با سایر ابزارهای تحلیل داده
• 81. کاربرد Stan در تحلیل داده‌های بزرگ
• 82. مدل‌سازی توزیع‌های پیچیده
• 83. مدل‌سازی گراف‌های تصادفی (Random Graphs)
• 84. تحلیل شبکه اجتماعی با Stan
• 85. مدل‌سازی پویایی سیستم‌ها (System Dynamics)
• 86. روش‌های مونت کارلو در Stan
• 87. شبیه‌سازی پیشرفته با Stan
• 88. کاربرد Stan در یادگیری تقویتی (Reinforcement Learning)
• 89. مدل‌سازی تصمیم‌گیری بایزی
• 90. اصول اخلاقی در تحلیل داده با Stan
• 91. حفظ حریم خصوصی در مدل‌سازی بایزی
• 92. تفسیر نتایج مدل‌های بایزی
• 93. مستندسازی فرآیند مدل‌سازی با Stan
• 94. توسعه مدل‌های سفارشی در Stan
• 95. کاربرد Stan در تحقیقات علمی
• 96. مبانی آماری پیشرفته برای مدل‌سازی بایزی
• 97. مقدمه‌ای بر بهینه‌سازی بایزی
• 98. ساخت مدل‌های پیشرفته با Stan
• 99. چالش‌های عملی در مدل‌سازی بایزی با Stan
• 100. پیشرفت‌های اخیر در MCMC با Stan