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. مقدمه ای بر مدل‌سازی آماری در Stan
• 2. مبانی احتمال و آمار در Stan
• 3. مفاهیم پایه ای در مدل‌سازی احتمالاتی
• 4. توزیع‌های احتمال رایج در Stan
• 5. ساخت مدل‌های احتمالاتی ساده
• 6. معرفی زبان برنامه نویسی Stan
• 7. نحو پایه ای Stan
• 8. ساختارهای داده در Stan
• 9. توابع و رویه‌ها در Stan
• 10. رفع اشکال در کد Stan
• 11. مفاهیم مدل‌سازی پیشرفته
• 12. مدل‌های خطی تعمیم‌یافته (GLM) در Stan
• 13. مدل‌های سلسله مراتبی (Hierarchical Models)
• 14. مدل‌های مختلط (Mixed-Effects Models)
• 15. مدل‌های سری زمانی در Stan
• 16. مدل‌های فضایی در Stan
• 17. مدل‌سازی بقا در Stan
• 18. کشف و شناسایی مدل‌های آماری
• 19. انتخاب مدل با معیارهای اطلاعاتی
• 20. اعتبارسنجی مدل (Model Validation)
• 21. بررسی تشخیصی مدل (Model Diagnostics)
• 22. استنتاج بیزی (Bayesian Inference)
• 23. مفاهیم پایه ای استنتاج بیزی
• 24. قضیه بیز و کاربرد آن
• 25. روش‌های نمونه‌گیری از توزیع پسین
• 26. روش‌های MCMC (Markov Chain Monte Carlo)
• 27. الگوریتم گیبس (Gibbs Sampling)
• 28. الگوریتم متروپولیس-هستینگز (Metropolis-Hastings)
• 29. تشخیص همگرایی در MCMC
• 30. ارزیابی کیفیت نمونه‌ها (Trace Plots, Autocorrelation)
• 31. استفاده از Stan برای استنتاج بیزی
• 32. تنظیمات پیشرفته برای نمونه‌گیری در Stan
• 33. تنظیمات مربوط به الگوریتم‌های MCMC
• 34. کنترل تعداد تکرارها و زنجیره‌ها
• 35. تنظیمات مربوط به پروب (Proposal Distribution)
• 36. تنظیمات مربوط به شرط‌گذاری (Warm-up)
• 37. تنظیمات مربوط به برش (Thinning)
• 38. تنظیمات مربوط به پیش‌بینی (Prediction)
• 39. تنظیمات مربوط به بهینه‌سازی (Optimization)
• 40. تنظیمات مربوط به ران‌تایم (Runtime)
• 41. تنظیمات مربوط به موازی‌سازی (Parallelization)
• 42. تنظیمات مربوط به حافظه (Memory)
• 43. تنظیمات مربوط به گزارش‌دهی (Reporting)
• 44. تنظیمات مربوط به خطاها و هشدارها (Errors & Warnings)
• 45. کاربردهای پیشرفته مدل‌سازی با Stan
• 46. مدل‌سازی داده‌های گسسته در Stan
• 47. مدل‌سازی داده‌های پیوسته در Stan
• 48. مدل‌سازی داده‌های شمارشی در Stan
• 49. مدل‌سازی داده‌های دودویی در Stan
• 50. مدل‌سازی داده‌های ترتیبی در Stan
• 51. مدل‌سازی داده‌های چندمتغیره در Stan
• 52. مدل‌سازی داده‌های گمشده (Missing Data)
• 53. مدل‌سازی داده‌های پرت (Outliers)
• 54. مدل‌سازی داده‌های با ساختار پیچیده
• 55. مدل‌سازی داده‌های شبکه‌ای (Network Data)
• 56. مدل‌سازی داده‌های متنی (Text Data)
• 57. مدل‌سازی داده‌های مکانی-زمانی (Spatio-Temporal Data)
• 58. مدل‌سازی داده‌های یادگیری ماشین در Stan
• 59. استفاده از Stan برای شبیه‌سازی
• 60. شبیه‌سازی داده‌ها از توزیع‌های دلخواه
• 61. شبیه‌سازی سناریوهای مختلف مدل
• 62. شبیه‌سازی تاثیر پارامترها
• 63. شبیه‌سازی فرآیندهای تصادفی
• 64. ارزیابی عملکرد مدل با شبیه‌سازی
• 65. روش‌های پیشرفته نمونه‌گیری در Stan
• 66. نمونه‌گیری با استفاده از Hamiltonian Monte Carlo (HMC)
• 67. نمونه‌گیری با استفاده از No-U-Turn Sampler (NUTS)
• 68. تنظیمات پیشرفته برای HMC و NUTS
• 69. کاربرد HMC و NUTS در مدل‌های پیچیده
• 70. مقایسه روش‌های مختلف نمونه‌گیری
• 71. بهینه‌سازی مدل‌های پیچیده در Stan
• 72. روش‌های بهینه‌سازی بیزی
• 73. تنظیمات مربوط به پارامترهای مدل
• 74. تنظیمات مربوط به تابع هدف (Objective Function)
• 75. تنظیمات مربوط به محدودیت‌ها (Constraints)
• 76. تنظیمات مربوط به گرادیان (Gradient)
• 77. تنظیمات مربوط به بهینه‌سازی محلی و جهانی
• 78. استفاده از Stan در تحقیقات علمی
• 79. مثال‌های کاربردی در علوم زیستی
• 80. مثال‌های کاربردی در علوم اجتماعی
• 81. مثال‌های کاربردی در مهندسی
• 82. مثال‌های کاربردی در اقتصاد
• 83. مثال‌های کاربردی در علوم محیطی
• 84. مثال‌های کاربردی در مدیریت
• 85. مثال‌های کاربردی در علوم داده
• 86. ملاحظات عملی در استفاده از Stan
• 87. مدیریت پروژه مدل‌سازی
• 88. مستندسازی کد و مدل
• 89. اشتراک‌گذاری مدل و نتایج
• 90. نکات امنیتی در استفاده از Stan
• 91. منابع آموزشی تکمیلی Stan