دوره مدیریت سوگیری در نمونه‌گیری MCMC با Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدیریت سوگیری در نمونه‌گیری MCMC با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر شبیه‌سازی مارکوف چین مونت کارلو
• 2. مبانی احتمال و آمار در علوم داده
• 3. مفاهیم کلیدی مدل‌سازی آماری
• 4. معرفی زبان برنامه‌نویسی R و Stan
• 5. نصب و راه‌اندازی Stan
• 6. مبانی زبان Stan و سینتکس آن
• 7. مدل‌های خطی عمومی در Stan
• 8. مدل‌های رگرسیون خطی با Stan
• 9. مدل‌های رگرسیون لجستیک با Stan
• 10. مدل‌های رگرسیون پواسون با Stan
• 11. مقدمه‌ای بر مدل‌های سلسله مراتبی
• 12. پیاده‌سازی مدل‌های سلسله مراتبی در Stan
• 13. مدل‌های سلسله مراتبی خطی
• 14. مدل‌های سلسله مراتبی لجستیک
• 15. مدل‌های سلسله مراتبی پواسون
• 16. مقدمه‌ای بر سوگیری در نمونه‌گیری
• 17. انواع سوگیری در نمونه‌گیری آماری
• 18. سوگیری نمونه‌گیری در مدل‌های آماری
• 19. تأثیر سوگیری بر نتایج مدل‌سازی
• 20. روش‌های شناسایی سوگیری در داده‌ها
• 21. روش‌های کاهش سوگیری در جمع‌آوری داده
• 22. سوگیری در نمونه‌گیری MCMC
• 23. مقدمه‌ای بر الگوریتم‌های MCMC
• 24. Metropolis-Hastings
• 25. Gibbs Sampling
• 26. Hamiltoninan Monte Carlo (HMC)
• 27. No-U-Turn Sampler (NUTS)
• 28. مفاهیم همگرایی در MCMC
• 29. معیارهای ارزیابی همگرایی MCMC
• 30. Trace Plots
• 31. Autocorrelation Plots
• 32. Gelman-Rubin Statistic
• 33. Effective Sample Size (ESS)
• 34. کاهش همبستگی بین متغیرها در MCMC
• 35. استفاده از Stan برای اجرای NUTS
• 36. تنظیم پارامترهای NUTS در Stan
• 37. چالش‌های پیاده‌سازی MCMC
• 38. انتخاب مدل مناسب برای MCMC
• 39. اعتبارسنجی مدل‌های MCMC
• 40. اعتبارسنجی پیش‌بینی مدل‌های MCMC
• 41. تفسیر نتایج MCMC
• 42. ارائه نتایج MCMC به صورت بصری
• 43. مقدمه‌ای بر مدل‌های آماری بیزی
• 44. تفاوت رویکرد فراوانی‌گرا و بیزی
• 45. مبانی استنتاج بیزی
• 46. قضیه بیز
• 47. توزیع پیشین و پسین
• 48. انتخاب توزیع پیشین مناسب
• 49. پیاده‌سازی مدل‌های بیزی در Stan
• 50. مدل‌های رگرسیون بیزی خطی
• 51. مدل‌های رگرسیون بیزی لجستیک
• 52. مدل‌های رگرسیون بیزی پواسون
• 53. مدل‌های سلسله مراتبی بیزی
• 54. استفاده از Stan برای مدل‌های بیزی
• 55. سوگیری در مدل‌های بیزی
• 56. کاهش سوگیری در مدل‌های بیزی
• 57. مقدمه‌ای بر مدل‌های خطای متغیر
• 58. مدل‌سازی خطای متغیر در Stan
• 59. کاربرد مدل‌های خطای متغیر در علوم اجتماعی
• 60. کاربرد مدل‌های خطای متغیر در علوم پزشکی
• 61. کاربرد مدل‌های خطای متغیر در اقتصاد
• 62. مقدمه‌ای بر مدل‌های سری زمانی
• 63. مدل‌سازی سری زمانی با Stan
• 64. مدل‌های ARIMA در Stan
• 65. مدل‌های حالت-فضای بیزی در Stan
• 66. کاربرد مدل‌های سری زمانی در پیش‌بینی
• 67. مقدمه‌ای بر تحلیل بقا
• 68. مدل‌های بقا در Stan
• 69. مدل کاکس بیزی در Stan
• 70. کاربرد تحلیل بقا در علوم پزشکی
• 71. کاربرد تحلیل بقا در مهندسی
• 72. مقدمه‌ای بر مدل‌های انتخاب گسسته
• 73. مدل‌های انتخاب گسسته در Stan
• 74. مدل لاجیت چندگانه بیزی در Stan
• 75. مدل پروبیت چندگانه بیزی در Stan
• 76. کاربرد مدل‌های انتخاب گسسته در اقتصاد
• 77. کاربرد مدل‌های انتخاب گسسته در بازاریابی
• 78. مقدمه‌ای بر مدل‌های شبکه‌ای
• 79. مدل‌سازی شبکه‌های اجتماعی با Stan
• 80. مقدمه‌ای بر مدل‌سازی آماری پیشرفته
• 81. مدل‌های چند سطحی در Stan
• 82. مدل‌های مختلط در Stan
• 83. کالیبراسیون مدل‌های آماری
• 84. بهینه‌سازی پارامترهای مدل
• 85. مدل‌سازی عدم قطعیت در نتایج
• 86. مقدمه‌ای بر کاربردهای عملی Stan
• 87. مطالعات موردی در علوم داده
• 88. مطالعات موردی در تحقیقات علمی
• 89. مقدمه‌ای بر چالش‌های پیشرفته در MCMC
• 90. بهبود کارایی الگوریتم‌های MCMC
• 91. تکنیک‌های نمونه‌گیری پیشرفته
• 92. مقدمه‌ای بر اخلاق در علم داده
• 93. مسئولیت‌پذیری در مدل‌سازی آماری
• 94. حریم خصوصی داده‌ها در تحلیل آماری
• 95. کاربرد Stan در پروژه‌های تحقیقاتی واقعی