دوره تنظیمات پیشرفته for Sampling in Stan همراه با فلشکارت آموزشی — ارائه روی فلش مموری
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره تنظیمات پیشرفته for Sampling in Stan
موضوع کلی: روشهای نمونهگیری مونتکارلو مارکوف (MCMC) در آمار بیزی
موضوع میانی: مخاطرات و تنظیمات Stan
📋 سرفصلهای دوره
- 1. مقدمهای بر مدلسازی آماری بیزی
- 2. مفاهیم پایه احتمال و آمار
- 3. توزیعهای احتمال گسسته و پیوسته
- 4. آمار استنباطی و برآورد پارامتر
- 5. مقدمهای بر مدلهای خطی تعمیمیافته
- 6. مبانی نرمافزار Stan
- 7. نصب و راهاندازی Stan
- 8. ساختار زبان Stan
- 9. نوشتن مدلهای ساده در Stan
- 10. نمونهگیری از توزیعهای پیشین
- 11. نمونهگیری از توزیعهای پسین
- 12. انتخاب توزیع پیشین مناسب
- 13. توزیعهای پیشین غیرمطلع و مطلع
- 14. توزیعهای پیشین متمرکز و غیرمتمرکز
- 15. اهمیت انتخاب پیشین در مدلهای بیزی
- 16. مقدمهای بر نمونهگیری مارکوف زنجیرهای (MCMC)
- 17. الگوریتم گیبس (Gibbs Sampling)
- 18. الگوریتم هَستینگ-متروپولیس (Metropolis-Hastings)
- 19. الگوریتم نمونهگیری خودتنظیم (NUTS)
- 20. معیارهای همگرایی در MCMC
- 21. تشخیص همگرایی با استفاده از R-hat
- 22. تشخیص همگرایی با استفاده از Trace Plots
- 23. تشخیص همگرایی با استفاده از Autocorrelation Plots
- 24. تنظیمات پیشرفته برای نمونهگیری در Stan
- 25. پارامترهای الگوریتم NUTS
- 26. تنظیم تعداد مراحل نمونهگیری (stepsize)
- 27. تنظیم حداکثر تعداد پرتابها (max_treedepth)
- 28. تنظیمات مربوط به Warmup (burn-in)
- 29. تنظیم تعداد تکرارهای Warmup
- 30. تنظیمات مربوط به Sampling
- 31. تنظیم تعداد تکرارهای Sampling
- 32. تنظیمات مربوط به کنترل کیفیت نمونهگیری
- 33. استفاده از کنترلکنندههای جریان (divergences)
- 34. مدیریت خطاهای نمونهگیری
- 35. تکنیکهای کاهش همبستگی بین متغیرها
- 36. استفاده از پارامترهای مجاز (constraints)
- 37. بازسازی پارامترهای اصلی از پارامترهای مجاز
- 38. نمونهگیری از توزیعهای چندمتغیره
- 39. توزیع نرمال چندمتغیره
- 40. توزیع t چندمتغیره
- 41. توزیع کایدو چندمتغیره
- 42. مدلسازی رگرسیون خطی بیزی
- 43. مدلسازی رگرسیون لجستیک بیزی
- 44. مدلسازی رگرسیون پواسون بیزی
- 45. مدلسازی رگرسیون تاخیردار بیزی
- 46. مدلسازی سریهای زمانی بیزی
- 47. مدلهای ARIMA بیزی
- 48. مدلهای حالتگذر بیزی
- 49. مدلسازی دادههای سلسلهمراتبی (Hierarchical Models)
- 50. مدلهای اثرات تصادفی (Random Effects Models)
- 51. مدلهای اثرات ثابت (Fixed Effects Models)
- 52. مدلهای اثرات مختلط (Mixed Effects Models)
- 53. مدلسازی دادههای مکانی
- 54. مدلسازی دادههای شبکهای
- 55. مدلسازی دادههای گرافی
- 56. مقدمهای بر مدلهای خطی تعمیمیافته بیزی
- 57. انتخاب تابع پیوند (Link Function)
- 58. انتخاب تابع توزیع خطای پسین
- 59. مدلسازی دادههای با توزیع بتا
- 60. مدلسازی دادههای با توزیع گاما
- 61. مدلسازی دادههای با توزیع بتا-دوجملهای
- 62. بهینهسازی کد Stan
- 63. تکنیکهای پیشرفته برنامهنویسی در Stan
- 64. استفاده از بلوکهای `generated quantities`
- 65. استفاده از بلوکهای `functions`
- 66. استفاده از بلوکهای `parameters` و `transformed parameters`
- 67. اعتبارسنجی مدلهای بیزی
- 68. اعتبارسنجی متقابل (Cross-validation)
- 69. اعتبارسنجی با استفاده از دادههای جدید
- 70. بررسی برازش مدل (Model Fit)
- 71. نمودارهای P-P و Q-Q
- 72. نمودارهای باقیمانده (Residual Plots)
- 73. استفاده از اطلاعات آگاهی (Information Criteria)
- 74. معیار اطلاعات آکائیکه (AIC)
- 75. معیار اطلاعات بیزی (BIC)
- 76. معیار اطلاعات پسین (DIC)
- 77. مقایسه مدلهای بیزی
- 78. انتخاب مدل با استفاده از معیارهای مقایسهای
- 79. تفسیر نتایج مدلهای بیزی
- 80. گزارشدهی نتایج مدلهای بیزی
- 81. تصویرسازی نتایج مدلهای بیزی
- 82. کاربرد Stan در تحقیقات علمی
- 83. کاربرد در علوم اجتماعی
- 84. کاربرد در علوم پزشکی
- 85. کاربرد در علوم اقتصادی
- 86. کاربرد در علوم مهندسی
- 87. نکات تکمیلی و پیشرفته در Stan
- 88. استفاده از Stan با زبانهای برنامهنویسی دیگر (R, Python)
- 89. اتصال Stan به ابزارهای بصریسازی
- 90. حل مسائل پیچیده در مدلسازی آماری بیزی
- 91. مروری بر آخرین تحولات در Stan
- 92. مباحث پیشرفته در نمونهگیری MCMC
- 93. مدلسازی پیشبینیکننده در Stan
- 94. مدلسازی علت و معلولی در Stan
- 95. کاربرد در تحلیل بقا
- 96. کاربرد در تحلیل دادههای گمشده
- 97. بهبود کارایی در مدلهای بزرگ
- 98. مدیریت حافظه در Stan
- 99. بهینهسازی محاسبات در Stan
- 100. کدنویسی تمیز و قابل نگهداری در Stan
محتویات بسته آموزشی
🌐 سامانه آنلاین فلشکارت؛ مرور هدفمند و هوشمند
اکانت ارائهشده، دسترسی به نسخه تحت وب سامانه فلشکارت ویژه این دوره را فراهم میکند. این سامانه از الگوریتم زمانبندی مرور SM-2 استفاده میکند و بر اساس ارزیابی شما از میزان یادآوری هر کارت، زمان مرورهای بعدی را تنظیم میکند.
به این ترتیب، کارتهای دشوارتر میتوانند زودتر مرور شوند و برای تثبیت مطالب در حافظه، برنامه مرور متناسبتری داشته باشید.
مدتزمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج میشود.
گواهی دوزبانه با استعلام آنلاین
پس از تکمیل فعالیتهای لازم و تأیید درخواست، گواهی پایان دوره به زبان فارسی و انگلیسی صادر میشود. گواهی دارای لینک اختصاصی و QR Code برای بررسی و استعلام آنلاین است.
این گواهی صرفاً بهعنوان گواهی اتمام دوره آموزشی صادر میشود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نیست. صدور آن منوط به تکمیل شرایط دوره و تأیید نهایی درخواست است.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.