دوره کاربرد MCMC با Stan در مسائل کاربردی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربرد MCMC با Stan در مسائل کاربردی

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر روش‌های آماری بیزی
• 2. مبانی احتمال و استنتاج آماری
• 3. مفاهیم اساسی مدل‌سازی آماری
• 4. معرفی نرم‌افزار Stan
• 5. نصب و پیکربندی Stan
• 6. مبانی زبان Stan
• 7. انواع مدل‌ها در Stan
• 8. مدل‌های خطی تعمیم‌یافته در Stan
• 9. مدل‌های سلسله‌مراتبی در Stan
• 10. معرفی روش‌های زنجیره مارکوف مونت کارلو (MCMC)
• 11. تئوری MCMC
• 12. روش‌های نمونه‌برداری در MCMC
• 13. الگوریتم گیبز
• 14. الگوریتم Metropolis-Hastings
• 15. محدودیت‌های MCMC سنتی
• 16. معرفی الگوریتم‌های نمونه‌برداری پیشرفته
• 17. نمونه‌بردار NUTS (No-U-Turn Sampler)
• 18. کاربرد NUTS در Stan
• 19. پیاده‌سازی مدل‌های ساده با Stan
• 20. مدل رگرسیون خطی در Stan
• 21. برآورد پارامترها در مدل خطی
• 22. ارزیابی برازش مدل
• 23. تشخیص همگرایی زنجیره‌ها
• 24. معیارهای همگرایی MCMC
• 25. روش‌های بصری برای ارزیابی همگرایی
• 26. آزمون‌های آماری برای همگرایی
• 27. مدل‌سازی داده‌های شمارشی در Stan
• 28. مدل پواسون در Stan
• 29. مدل دوجمله‌ای منفی در Stan
• 30. مدل‌سازی داده‌های دودویی در Stan
• 31. مدل لجستیک در Stan
• 32. مدل پروبیت در Stan
• 33. مدل‌سازی داده‌های پیوسته در Stan
• 34. مدل توزیع نرمال در Stan
• 35. مدل توزیع t در Stan
• 36. مدل‌سازی داده‌های سری زمانی در Stan
• 37. مدل ARIMA در Stan
• 38. مدل‌های فضا-حالت در Stan
• 39. مدل‌سازی داده‌های مکانی در Stan
• 40. مدل‌های رگرسیون گرافی در Stan
• 41. مدل‌های خودهمبسته مکانی در Stan
• 42. مدل‌سازی داده‌های بقا در Stan
• 43. مدل کاکس در Stan
• 44. مدل‌های پارامتریک بقا در Stan
• 45. معرفی مدل‌های بیزی سلسله‌مراتبی
• 46. مزایای مدل‌های بیزی سلسله‌مراتبی
• 47. پیاده‌سازی مدل‌های بیزی سلسله‌مراتبی در Stan
• 48. مدل‌های اثرات تصادفی در Stan
• 49. مدل‌سازی اثرات مشترک در Stan
• 50. مدل‌سازی داده‌های خوشه‌ای در Stan
• 51. مدل‌سازی داده‌های پنل در Stan
• 52. اعتبارسنجی مدل‌های بیزی
• 53. اعتبارسنجی متقابل در Stan
• 54. تست‌های پیش‌بینی در Stan
• 55. اعتبارسنجی مبتنی بر توزیع پسین
• 56. مدل‌سازی پیشرفته در Stan
• 57. مدل‌های غیرپارامتریک در Stan
• 58. استفاده از توابع پایه در Stan
• 59. مدل‌سازی با توزیع‌های ترکیبی در Stan
• 60. مدل‌سازی با توزیع‌های مخلوط در Stan
• 61. معرفی مدل‌های یادگیری ماشین با Stan
• 62. شبکه‌های عصبی بیزی در Stan
• 63. ماشین‌های بردار پشتیبان بیزی در Stan
• 64. مدل‌سازی پیش‌بینی با Stan
• 65. تولید پیش‌بینی‌های بیزی
• 66. ارزیابی دقت پیش‌بینی
• 67. مدل‌سازی عدم قطعیت در پیش‌بینی
• 68. کاربرد Stan در علوم زیستی
• 69. مدل‌سازی داده‌های ژنتیکی در Stan
• 70. مدل‌سازی داده‌های بالینی در Stan
• 71. مدل‌سازی داده‌های اپیدمیولوژیکی در Stan
• 72. کاربرد Stan در علوم اجتماعی
• 73. مدل‌سازی داده‌های نظرسنجی در Stan
• 74. مدل‌سازی داده‌های اقتصادی در Stan
• 75. مدل‌سازی داده‌های رفتاری در Stan
• 76. کاربرد Stan در مهندسی
• 77. مدل‌سازی داده‌های اطمینان‌پذیری در Stan
• 78. مدل‌سازی داده‌های سیگنال در Stan
• 79. بهینه‌سازی پارامترهای مدل در Stan
• 80. تنظیم ابرپارامترها در Stan
• 81. استفاده از Stan برای تحلیل حساسیت
• 82. مدل‌سازی سناریوهای مختلف در Stan
• 83. کاربرد Stan در مسائل مالی و بیمه
• 84. مدل‌سازی ریسک در Stan
• 85. مدل‌سازی داده‌های بیمه در Stan
• 86. بهینه‌سازی پرتفوی در Stan
• 87. ملاحظات اخلاقی و قانونی در تحلیل داده‌ها
• 88. اصول حفظ حریم خصوصی داده‌ها
• 89. استفاده مسئولانه از نتایج آماری
• 90. ملاحظات مربوط به داده‌های حساس
• 91. اصول گزارش‌دهی نتایج تحلیل آماری
• 92. استانداردهای علمی در تحلیل داده‌ها
• 93. مروری بر آخرین پیشرفت‌ها در MCMC و Stan
• 94. موضوعات پژوهشی نوظهور در تحلیل بیزی
• 95. آینده MCMC و Stan در مسائل کاربردی