دوره تنظیم پارامترهای MCMC با Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیم پارامترهای MCMC با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی آماری بیزی
• 2. مفاهیم اساسی احتمالات و آمار
• 3. مبانی زنجیره‌های مارکوف و فرآیندهای مونت کارلو
• 4. مقدمه‌ای بر زبان برنامه‌نویسی Stan
• 5. نصب و پیکربندی Stan
• 6. ساختار کلی یک مدل Stan
• 7. تعریف متغیرهای مدل در Stan
• 8. تعریف داده‌های ورودی در Stan
• 9. تعریف پارامترهای مدل در Stan
• 10. تابع درست‌نمایی در Stan
• 11. تابع پیشین در Stan
• 12. تنظیم پارامترهای MCMC
• 13. الگوریتم گیبس سمپلینگ
• 14. الگوریتم هملتونی مونت کارلو (HMC)
• 15. الگوریتم مونت کارلو زنجیره مارکوف اصلاح شده (NUTS)
• 16. تنظیم گام زمانی در HMC
• 17. تنظیم تعداد گام‌های HMC
• 18. تنظیم تعداد تکرارها در NUTS
• 19. عیب‌یابی مدل‌های Stan
• 20. تشخیص همگرایی زنجیره‌ها
• 21. معیارهای همگرایی (Gelman-Rubin, R-hat)
• 22. بررسی هیستوگرام و نمودارهای trace
• 23. تشخیص مشکلات در توزیع پسین
• 24. اصلاح پارامترهای مدل
• 25. بهبود کد Stan
• 26. مدل‌های خطی بیزی
• 27. رگرسیون خطی بیزی در Stan
• 28. مدل‌های رگرسیون لجستیک بیزی
• 29. مدل‌های رگرسیون پواسون بیزی
• 30. مدل‌های سری زمانی بیزی
• 31. مدل‌های سلسله مراتبی بیزی
• 32. پیاده‌سازی مدل‌های سلسله مراتبی در Stan
• 33. مدل‌های خطی تعمیم‌یافته بیزی
• 34. مدل‌های پیش‌بینی بیزی
• 35. ارزیابی مدل‌های بیزی
• 36. انتخاب مدل بیزی
• 37. اعتبارسنجی متقابل بیزی
• 38. استفاده از داده‌های شبیه‌سازی شده
• 39. محاسبه فواصل اطمینان بیزی
• 40. تفسیر نتایج MCMC
• 41. نمایش گرافیکی نتایج MCMC
• 42. کاربرد Stan در علوم زیستی
• 43. کاربرد Stan در اقتصاد
• 44. کاربرد Stan در علوم اجتماعی
• 45. کاربرد Stan در مهندسی
• 46. کاربرد Stan در علوم پزشکی
• 47. مدل‌های آماری پیشرفته در Stan
• 48. مدل‌های مخلوط بیزی
• 49. مدل‌های فضایی بیزی
• 50. مدل‌های پنهان مارکوف در Stan
• 51. مدل‌های بقا در Stan
• 52. مدل‌های چندسطحی در Stan
• 53. مدل‌های گرافیکی بیزی
• 54. شبیه‌سازی مونت کارلو در Stan
• 55. تحلیل حساسیت پارامترها
• 56. مدل‌سازی عدم قطعیت
• 57. تکنیک‌های نمونه‌گیری پیشرفته
• 58. نمونه‌گیری اهمیت
• 59. نمونه‌گیری نمونه‌گیری زنجیره مارکوف (MCMC)
• 60. بهینه‌سازی پارامترهای MCMC
• 61. تنظیم پارامترهای پیشین
• 62. انتخاب توزیع پیشین مناسب
• 63. تأثیر توزیع پیشین بر نتایج
• 64. روش‌های مقایسه مدل‌های بیزی
• 65. معیار اطلاعات بیزی (BIC)
• 66. معیار اطلاعات آکائیکه بیزی (AIC)
• 67. اعتبار پسین پیش‌بینی (PSIS)
• 68. مدل‌سازی داده‌های گمشده در Stan
• 69. استفاده از Stan برای داده‌های ترتیبی
• 70. مدل‌سازی داده‌های طبقه‌بندی شده
• 71. تحلیل بقا در Stan
• 72. مدل‌سازی داده‌های شمارشی
• 73. مدل‌سازی داده‌های پیوسته
• 74. مدل‌سازی داده‌های دودویی
• 75. مدل‌سازی داده‌های چندمتغیره
• 76. کاربرد Stan در مسائل آماری پیچیده
• 77. تحلیل داده‌های بزرگ با Stan
• 78. بهینه‌سازی الگوریتم‌های MCMC
• 79. پیاده‌سازی مدل‌های سفارشی در Stan
• 80. استفاده از افزونه‌های Stan
• 81. برنامه‌نویسی موازی در Stan
• 82. کاربرد Stan در یادگیری ماشین بیزی
• 83. شبکه‌های بیزی در Stan
• 84. مدل‌های یادگیری عمیق بیزی
• 85. انطباق مدل‌های بیزی با داده‌ها
• 86. تفسیر نتایج مدل‌های پیچیده
• 87. مقدمه‌ای بر مدل‌سازی آماری در ایران
• 88. چارچوب‌های قانونی و شرعی در مدل‌سازی
• 89. انطباق با مقررات بانک مرکزی در مدل‌سازی مالی
• 90. مدل‌سازی خانواده ایرانی-اسلامی
• 91. ملاحظات اخلاقی در تحلیل داده‌ها
• 92. مدل‌سازی مبتنی بر اصول علمی و فقهی
• 93. کاربرد Stan در چارچوب‌های علمی رسمی
• 94. استانداردهای زبانی در مستندات فنی
• 95. استفاده از واژگان محترمانه در متون آموزشی
• 96. حذف مفاهیم مغایر با قوانین داخلی
• 97. جایگزینی مفاهیم غیرسازگار با معادل‌های منطبق