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 استنتاج آماری
• 3. مفهوم احتمال و توزیع‌های احتمالی
• 4. توزیع‌های پیشین و پسین
• 5. مقدمه‌ای بر زنجیره‌های مارکوف
• 6. فرایندهای مارکوف زمان گسسته
• 7. فرایندهای مارکوف زمان پیوسته
• 8. نظریه حالت‌های گذار
• 9. فرمول‌های پایه در MCMC
• 10. الگوریتم‌های نمونه‌گیری از پسین
• 11. مقدمه‌ای بر نرم‌افزار Stan
• 12. نصب و پیکربندی Stan
• 13. زبان مدل‌سازی Stan
• 14. تعریف متغیرها و پارامترها در Stan
• 15. تعریف توزیع‌های پیشین در Stan
• 16. تعریف تابع درست‌نمایی در Stan
• 17. کاربرد توزیع‌های نرمال چندمتغیره در Stan
• 18. کاربرد توزیع‌های کای‌دو در Stan
• 19. کاربرد توزیع‌های t استیودنت در Stan
• 20. کاربرد توزیع‌های بتا و گاما در Stan
• 21. مدل‌های خطی تعمیم‌یافته در Stan
• 22. رگرسیون خطی بیزی در Stan
• 23. رگرسیون لجستیک بیزی در Stan
• 24. مدل‌های سلسله‌مراتبی در Stan
• 25. تخمین پارامترهای مدل‌های سلسله‌مراتبی
• 26. کاربرد مدل‌های سلسله‌مراتبی در اقتصاد
• 27. کاربرد مدل‌های سلسله‌مراتبی در علوم اجتماعی
• 28. کاربرد مدل‌های سلسله‌مراتبی در پزشکی
• 29. مدل‌های سری زمانی بیزی در Stan
• 30. مدل‌های ARIMA بیزی
• 31. مدل‌های حالت-فضای بیزی
• 32. تحلیل داده‌های پرت در مدل‌های بیزی
• 33. روش‌های اعتبارسنجی مدل‌های بیزی
• 34. شاخص‌های ارزیابی مدل‌های بیزی
• 35. تفسیر نتایج MCMC
• 36. تشخیص همگرایی زنجیره‌ها
• 37. روش‌های بصری برای ارزیابی همگرایی
• 38. شاخص‌های کمی برای ارزیابی همگرایی
• 39. کاهش ابعاد در مدل‌های بیزی
• 40. استفاده از پیش‌دانش در مدل‌سازی بیزی
• 41. مدل‌سازی با داده‌های گمشده در Stan
• 42. مدل‌سازی داده‌های طبقه‌بندی شده در Stan
• 43. مدل‌سازی داده‌های شمارشی در Stan
• 44. مدل‌سازی داده‌های بقا در Stan
• 45. مدل‌سازی داده‌های فضایی در Stan
• 46. مدل‌سازی داده‌های شبکه‌ای در Stan
• 47. کاربرد MCMC در بهینه‌سازی بیزی
• 48. بهینه‌سازی پارامترهای مدل با MCMC
• 49. بهینه‌سازی تابع هدف با MCMC
• 50. روش‌های نمونه‌گیری پیشرفته در MCMC
• 51. نمونه‌گیری با جابجایی (Gibbs Sampling)
• 52. نمونه‌گیری با نسبت پذیرش (Metropolis-Hastings)
• 53. نمونه‌گیری از طریق زنجیره‌های مارکوف با گام‌های متغیر
• 54. نمونه‌گیری با جابجایی در Stan
• 55. نمونه‌گیری Metropolis-Hastings در Stan
• 56. نمونه‌گیری از طریق زنجیره‌های مارکوف با گام‌های متغیر در Stan
• 57. کاربرد MCMC در مسائل مالی
• 58. مدل‌سازی ریسک اعتباری با MCMC
• 59. مدل‌سازی نوسانات بازار با MCMC
• 60. پیش‌بینی سری‌های زمانی مالی با MCMC
• 61. کاربرد MCMC در علوم زیستی
• 62. مدل‌سازی ژنتیکی با MCMC
• 63. مدل‌سازی اپیدمیولوژیک با MCMC
• 64. تحلیل داده‌های بالینی با MCMC
• 65. کاربرد MCMC در مهندسی
• 66. مدل‌سازی قابلیت اطمینان با MCMC
• 67. بهینه‌سازی طراحی با MCMC
• 68. تحلیل داده‌های حسگر با MCMC
• 69. کاربرد MCMC در هوش مصنوعی
• 70. یادگیری تقویتی بیزی با MCMC
• 71. شبکه‌های بیزی پویا با MCMC
• 72. تفسیر مدل‌های یادگیری عمیق با MCMC
• 73. آموزش مدل‌های پیچیده در Stan
• 74. بهینه‌سازی تنظیمات مدل در Stan
• 75. نکات پیشرفته در زبان مدل‌سازی Stan
• 76. مدیریت حافظه در Stan
• 77. افزایش سرعت محاسبات در Stan
• 78. استفاده از پردازش موازی در Stan
• 79. تکنیک‌های دیباگ در Stan
• 80. نوشتن کدهای ماژولار در Stan
• 81. اشتراک‌گذاری کد و مدل‌ها در Stan
• 82. کاربرد Stan در پروژه‌های واقعی
• 83. مطالعات موردی در اقتصاد با Stan
• 84. مطالعات موردی در علوم اجتماعی با Stan
• 85. مطالعات موردی در پزشکی با Stan
• 86. مطالعات موردی در مهندسی با Stan
• 87. مطالعات موردی در علوم زیستی با Stan
• 88. مطالعات موردی در هوش مصنوعی با Stan
• 89. تکنیک‌های پیشرفته نمونه‌گیری در Stan
• 90. بهینه‌سازی الگوریتم‌های MCMC در Stan
• 91. ارزیابی حساسیت مدل به پیشین‌ها
• 92. مقایسه مدل‌های بیزی مختلف
• 93. مدل‌سازی عدم قطعیت پارامترها
• 94. تفسیر نتایج مدل‌های بیزی پیچیده
• 95. توسعه مدل‌های سفارشی در Stan
• 96. کاربرد Stan برای داده‌های بزرگ
• 97. ملاحظات اخلاقی در مدل‌سازی بیزی
• 98. ملاحظات قانونی در استفاده از داده‌ها
• 99. ارتباط نتایج مدل با تصمیم‌گیری
• 100. توسعه ابزارهای تحلیلی با Stan