دوره تکنیک‌های اعتبارسنجی مدل‌های آماری در Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تکنیک‌های اعتبارسنجی مدل‌های آماری در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر زبان برنامه‌نویسی Stan
• 2. نصب و راه‌اندازی Stan
• 3. مفاهیم پایه در مدل‌سازی آماری
• 4. مقدمه‌ای بر مدل‌های سلسله‌مراتبی
• 5. مبانی استنتاج بیزی
• 6. نظریه احتمال و توزیع‌های رایج
• 7. توزیع‌های پیشین و پسین
• 8. روش‌های نمونه‌گیری مارکوف چین مونت کارلو (MCMC)
• 9. کاربرد MCMC در Stan
• 10. مقدمه‌ای بر زبان Stan
• 11. ساختار کلی کد Stan
• 12. تعریف متغیرها و داده‌ها در Stan
• 13. تعریف مدل در Stan
• 14. توابع توزیع احتمال در Stan
• 15. استفاده از توابع کمکی در Stan
• 16. نمونه‌گیری از توزیع‌های پیشین در Stan
• 17. تخمین پارامترها با MCMC
• 18. ارزیابی کیفیت نمونه‌ها (Traceplots)
• 19. معیارهای همگرایی MCMC (R-hat, Effective Sample Size)
• 20. تشخیص و رفع مشکلات همگرایی
• 21. اعتبارسنجی مدل‌های آماری
• 22. مقدمه‌ای بر اعتبارسنجی مدل
• 23. چرا به اعتبارسنجی مدل نیاز داریم؟
• 24. روش‌های اعتبارسنجی مدل
• 25. اعتبارسنجی مبتنی بر پیش‌بینی
• 26. اعتبارسنجی مبتنی بر برازش (Goodness-of-fit)
• 27. آزمون‌های برازش مدل (Goodness-of-fit tests)
• 28. شاخص‌های اطلاعاتی (AIC, BIC)
• 29. اعتبارسنجی با استفاده از داده‌های شبیه‌سازی شده
• 30. اعتبارسنجی متقابل (Cross-validation)
• 31. اعتبارسنجی K-Fold
• 32. اعتبارسنجی Loo (Leave-one-out)
• 33. اعتبارسنجی با استفاده از Posterior Predictive Checks (PPCs)
• 34. نمونه‌گیری از توزیع پیش‌بینی پسین
• 35. مقایسه توزیع داده‌های واقعی و شبیه‌سازی شده
• 36. اعتبارسنجی مدل‌های خطی در Stan
• 37. اعتبارسنجی مدل‌های رگرسیون خطی
• 38. اعتبارسنجی مدل‌های رگرسیون لجستیک
• 39. اعتبارسنجی مدل‌های رگرسیون پواسون
• 40. اعتبارسنجی مدل‌های سلسله‌مراتبی در Stan
• 41. اعتبارسنجی مدل‌های اثرات تصادفی
• 42. اعتبارسنجی مدل‌های اثرات ثابت
• 43. اعتبارسنجی مدل‌های سلسله‌مراتبی چندسطحی
• 44. اعتبارسنجی مدل‌های سری زمانی در Stan
• 45. اعتبارسنجی مدل‌های ARIMA
• 46. اعتبارسنجی مدل‌های حالت-فضا (State-space models)
• 47. اعتبارسنجی مدل‌های پیش‌بینی در Stan
• 48. ارزیابی عملکرد پیش‌بینی مدل
• 49. متریک‌های ارزیابی پیش‌بینی
• 50. حساب کردن عدم قطعیت در پیش‌بینی‌ها
• 51. اعتبارسنجی مدل‌های بایزی با استفاده از Stan
• 52. تکنیک‌های پیشرفته اعتبارسنجی
• 53. اعتبارسنجی حساسیت (Sensitivity analysis)
• 54. اعتبارسنجی مدل با استفاده از داده‌های پرت
• 55. شناسایی و برخورد با داده‌های پرت
• 56. اعتبارسنجی مدل در حضور داده‌های گمشده
• 57. روش‌های برخورد با داده‌های گمشده در Stan
• 58. مدل‌سازی داده‌های گمشده در Stan
• 59. اعتبارسنجی مدل‌های پیچیده
• 60. اعتبارسنجی مدل‌های ساختاری (Structural equation models)
• 61. اعتبارسنجی مدل‌های شبکه‌ای (Network models)
• 62. استفاده از بسته‌های کمکی Stan برای اعتبارسنجی
• 63. بسته `loo` در R
• 64. بسته `bayesplot` در R
• 65. بسته `rstanarm`
• 66. کاربرد عملی اعتبارسنجی مدل در حوزه‌های مختلف
• 67. اعتبارسنجی مدل در علوم زیستی
• 68. اعتبارسنجی مدل در علوم اجتماعی
• 69. اعتبارسنجی مدل در علوم اقتصادی
• 70. اعتبارسنجی مدل در مهندسی
• 71. مطالعات موردی اعتبارسنجی مدل در Stan
• 72. مثال عملی: اعتبارسنجی مدل رگرسیون خطی
• 73. مثال عملی: اعتبارسنجی مدل سلسله‌مراتبی
• 74. مثال عملی: اعتبارسنجی مدل سری زمانی
• 75. نکات و ترفندهای اعتبارسنجی مدل در Stan
• 76. اشتباهات رایج در اعتبارسنجی مدل
• 77. بهترین شیوه‌ها در اعتبارسنجی مدل
• 78. ارتباط اعتبارسنجی مدل با تفسیرپذیری
• 79. ارتباط اعتبارسنجی مدل با تصمیم‌گیری
• 80. مباحث پیشرفته در اعتبارسنجی مدل
• 81. اعتبارسنجی مدل‌های با پارامترهای زیاد
• 82. اعتبارسنجی مدل‌های غیرقابل شناسایی
• 83. انتخاب بهترین مدل از میان مدل‌های رقیب
• 84. مقدمه‌ای بر مقایسه مدل‌ها
• 85. معیارهای مقایسه مدل‌ها
• 86. روش‌های مقایسه مدل‌های بایزی
• 87. اعتبارسنجی مدل با استفاده از شبیه‌سازی مونت کارلو
• 88. پیاده‌سازی اعتبارسنجی در پروژه‌های واقعی
• 89. تنظیمات پیشرفته در Stan برای اعتبارسنجی
• 90. بهینه‌سازی کدهای Stan برای اعتبارسنجی
• 91. مدیریت خروجی‌های Stan برای اعتبارسنجی
• 92. تصویرسازی نتایج اعتبارسنجی
• 93. گزارش‌دهی نتایج اعتبارسنجی
• 94. جمع‌بندی و گام‌های بعدی در اعتبارسنجی مدل