دوره تنظیم پارامترهای Stan for Optimal Results همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیم پارامترهای Stan for Optimal Results

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی آماری و نرم‌افزار Stan
• 2. آشنایی با مفاهیم احتمال و آمار بیزی
• 3. مبانی استنتاج بیزی
• 4. نصب و راه‌اندازی Stan
• 5. نحو پایه زبان Stan
• 6. تعریف مدل‌های خطی ساده در Stan
• 7. مدل‌های رگرسیون خطی چندگانه در Stan
• 8. مدل‌های رگرسیون لجستیک در Stan
• 9. مدل‌های سری زمانی در Stan
• 10. مدل‌های سلسله‌مراتبی در Stan
• 11. مقدمه‌ای بر مدل‌های اثرات مختلط
• 12. پیاده‌سازی مدل‌های اثرات مختلط در Stan
• 13. مدل‌های خطی تعمیم‌یافته (GLM) در Stan
• 14. مدل‌های خطی تعمیم‌یافته مختلط (GLMM) در Stan
• 15. مدل‌های پواسون در Stan
• 16. مدل‌های دوجمله‌ای منفی در Stan
• 17. مدل‌های بقا و تحلیل زمان رویداد در Stan
• 18. مدل‌های بقا با شتاب‌دهنده در Stan
• 19. مدل‌های بقا با اثرات مختلط در Stan
• 20. مدل‌های فضایی در Stan
• 21. مدل‌های خودهمبسته فضایی در Stan
• 22. مدل‌های ناهمگنی فضایی در Stan
• 23. مدل‌های شبکه‌ای در Stan
• 24. مدل‌های انتشار در شبکه‌ها در Stan
• 25. مدل‌های پویایی شبکه در Stan
• 26. مدل‌های یادگیری ماشینی در Stan
• 27. رگرسیون بیزی برای درختان تصمیم در Stan
• 28. ماشین‌های بردار پشتیبان بیزی در Stan
• 29. شبکه‌های عصبی بیزی در Stan
• 30. مدل‌های استنتاج عامل در Stan
• 31. مدل‌های استنتاج گوسی در Stan
• 32. مدل‌های استنتاج متغیر در Stan
• 33. مدل‌های استنتاج بوک در Stan
• 34. بهینه‌سازی پارامترها در Stan
• 35. روش‌های نمونه‌برداری مارکوف چین مونت کارلو (MCMC)
• 36. روش‌های نمونه‌برداری مبتنی بر گرادیان
• 37. روش‌های نمونه‌برداری سریع
• 38. تکنیک‌های تشخیص همگرایی در MCMC
• 39. معیارهای ارزیابی کیفیت نمونه‌گیری
• 40. تنظیم پارامترهای نمونه‌بردار HMC
• 41. تنظیم پارامترهای نمونه‌بردار NUTS
• 42. تنظیم پارامترهای نمونه‌بردار الپتیکال
• 43. تنظیم پارامترهای نمونه‌بردار گاما
• 44. تنظیم پارامترهای نمونه‌بردار لاتیس
• 45. تکنیک‌های کاهش واریانس در MCMC
• 46. کاهش واریانس با استفاده از نمونه‌گیری شرطی
• 47. کاهش واریانس با استفاده از نمونه‌گیری متغیر
• 48. کاهش واریانس با استفاده از نمونه‌گیری بوک
• 49. بهینه‌سازی کد Stan
• 50. مقدمه‌ای بر زبان برنامه‌نویسی C++ برای Stan
• 51. استفاده از افزونه‌های Stan
• 52. توسعه توابع سفارشی در Stan
• 53. بهینه‌سازی محاسباتی مدل‌ها
• 54. مدیریت حافظه در Stan
• 55. استفاده از پردازش موازی در Stan
• 56. استفاده از GPU برای محاسبات در Stan
• 57. تست و اعتبارسنجی مدل‌های Stan
• 58. تجسم نتایج مدل‌سازی در Stan
• 59. کار با داده‌های بزرگ در Stan
• 60. مدل‌سازی داده‌های ناهمگن در Stan
• 61. مدل‌سازی داده‌های گمشده در Stan
• 62. مدل‌سازی داده‌های طبقه‌بندی شده در Stan
• 63. مدل‌سازی داده‌های شمارشی در Stan
• 64. مدل‌سازی داده‌های زمان‌بندی شده در Stan
• 65. مدل‌سازی داده‌های مکانی-زمانی در Stan
• 66. مدل‌سازی داده‌های متنی در Stan
• 67. مدل‌سازی داده‌های تصویری در Stan
• 68. مدل‌سازی داده‌های صوتی در Stan
• 69. کاربرد Stan در اقتصادسنجی
• 70. کاربرد Stan در علوم زیستی
• 71. کاربرد Stan در علوم اجتماعی
• 72. کاربرد Stan در مهندسی
• 73. کاربرد Stan در یادگیری ماشین
• 74. کاربرد Stan در علوم محیطی
• 75. کاربرد Stan در مدیریت ریسک
• 76. کاربرد Stan در پیش‌بینی
• 77. کاربرد Stan در تحلیل حساسیت
• 78. کاربرد Stan در تحلیل عدم قطعیت
• 79. کاربرد Stan در تحلیل شبیه‌سازی
• 80. کاربرد Stan در بهینه‌سازی بیزی
• 81. کاربرد Stan در یادگیری تقویتی بیزی
• 82. کاربرد Stan در یادگیری عمیق بیزی
• 83. کاربرد Stan در مدل‌های استنتاج توزیع
• 84. کاربرد Stan در مدل‌های استنتاج مدل‌های گرافیکی
• 85. کاربرد Stan در مدل‌های استنتاج مدل‌های غیرپارامتری
• 86. کاربرد Stan در مدل‌های استنتاج مدل‌های مخلوط
• 87. کاربرد Stan در مدل‌های استنتاج مدل‌های پویا
• 88. کاربرد Stan در مدل‌های استنتاج مدل‌های چندسطحی
• 89. کاربرد Stan در مدل‌های استنتاج مدل‌های پیش‌بینی‌کننده
• 90. کاربرد Stan در مدل‌های استنتاج مدل‌های توضیحی
• 91. کاربرد Stan در مدل‌های استنتاج مدل‌های ارزیابی