دوره راهنمای جامع برای MCMC با Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای جامع برای MCMC با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر روش‌های مونت کارلو زنجیره مارکوف
• 2. مبانی نظری MCMC
• 3. نصب و پیکربندی Stan
• 4. ساختار مدل در Stan
• 5. دستور زبان Stan
• 6. تعریف متغیرهای پارامتریک
• 7. تعریف متغیرهای مشاهده‌شده
• 8. توابع چگالی احتمال در Stan
• 9. توابع شرطی و پیشین
• 10. نوشتن مدل‌های خطی ساده در Stan
• 11. مدل‌های رگرسیون لجستیک در Stan
• 12. مدل‌های رگرسیون پواسون در Stan
• 13. مدل‌های رگرسیون کوکس در Stan
• 14. مدل‌های سلسله‌مراتبی در Stan
• 15. سطوح سلسله‌مراتبی
• 16. مدل‌های اثرات تصادفی
• 17. مدل‌های اثرات ثابت
• 18. مدل‌های مختلط
• 19. مقدمه‌ای بر مدل‌های سری زمانی
• 20. مدل‌های ARIMA در Stan
• 21. مدل‌های حالت‌گذر در Stan
• 22. مدل‌های فیلتر کالمن در Stan
• 23. مدل‌های فیلتر پارتیکل در Stan
• 24. مدل‌های مدل‌سازی گرافیکی
• 25. مدل‌های شبکه‌های بیزی
• 26. کدگذاری مدل‌های گرافیکی در Stan
• 27. مدل‌های خودرگرسیون مکانی
• 28. مدل‌های خودرگرسیون فضایی-زمانی
• 29. مدل‌های فضایی-زمانی پیشرفته
• 30. مقدمه‌ای بر یادگیری ماشین
• 31. رگرسیون و طبقه‌بندی با Stan
• 32. مدل‌های گوسی فرآیند در Stan
• 33. شبکه‌های عصبی در Stan
• 34. یادگیری تقویتی با Stan
• 35. بهینه‌سازی مدل در Stan
• 36. روش‌های نمونه‌برداری پیشرفته
• 37. نمونه‌برداری با نرخ تطبیقی
• 38. نمونه‌برداری با نرخ متغیر
• 39. نمونه‌برداری با نرخ متغیر تطبیقی
• 40. نمونه‌برداری با نرخ متغیر پارامتری
• 41. نمونه‌برداری تصادفی با نرخ تطبیقی
• 42. نمونه‌برداری تصادفی با نرخ متغیر
• 43. نمونه‌برداری تصادفی با نرخ متغیر تطبیقی
• 44. نمونه‌برداری تصادفی با نرخ متغیر پارامتری
• 45. تشخیص همگرایی در MCMC
• 46. معیارهای همگرایی مانند Gelman-Rubin
• 47. تجزیه و تحلیل زنجیره‌ها
• 48. نمودارهای مسیر و تراکم
• 49. حجم نمونه و کارایی
• 50. کاهش واریانس در MCMC
• 51. روش‌های افزایش کارایی
• 52. استفاده از شبه‌متغیرها
• 53. استفاده از نمونه‌برداری ترکیبی
• 54. نمونه‌برداری با استفاده از اهمیت
• 55. نمونه‌گیری با اهمیت تطبیقی
• 56. نمونه‌گیری با اهمیت چندوجهی
• 57. نمونه‌گیری با اهمیت گوسی
• 58. روش‌های حذف واریانس
• 59. مقدمه‌ای بر مدل‌های آماری بیزی
• 60. استنتاج بیزی با Stan
• 61. ارزیابی مدل‌های بیزی
• 62. انتخاب مدل با معیارهای بیزی
• 63. اعتبارسنجی متقابل در مدل‌های بیزی
• 64. اعتبارسنجی متقابل با Stan
• 65. اعتبارسنجی متقابل گوسی
• 66. اعتبارسنجی متقابل سلسله‌مراتبی
• 67. اعتبارسنجی متقابل سری زمانی
• 68. اعتبارسنجی متقابل فضایی-زمانی
• 69. مقدمه‌ای بر مدل‌های پیش‌بینی
• 70. پیش‌بینی با مدل‌های MCMC
• 71. ارزیابی پیش‌بینی‌ها
• 72. پیش‌بینی با فاصله‌های اطمینان
• 73. پیش‌بینی با استفاده از شبیه‌سازی
• 74. مدل‌سازی عدم قطعیت در پیش‌بینی
• 75. کاربرد MCMC در علوم داده
• 76. کاربرد MCMC در اقتصاد
• 77. کاربرد MCMC در زیست‌شناسی
• 78. کاربرد MCMC در فیزیک
• 79. کاربرد MCMC در علوم اجتماعی
• 80. کاربرد MCMC در مهندسی
• 81. کاربرد MCMC در مدیریت ریسک
• 82. کاربرد MCMC در مالیه
• 83. کاربرد MCMC در پژوهش‌های سلامت
• 84. کاربرد MCMC در تحلیل داده‌های حجیم
• 85. بهینه‌سازی استراتژی‌های نمونه‌برداری
• 86. استفاده از Stan برای مدل‌های پیچیده
• 87. مدل‌سازی ساختارهای پیچیده با Stan
• 88. تکنیک‌های پیشرفته مدل‌سازی در Stan
• 89. مقدمه‌ای بر تحلیل حساسیت
• 90. تحلیل حساسیت در مدل‌های بیزی
• 91. تحلیل حساسیت با Stan
• 92. تحلیل حساسیت گوسی
• 93. تحلیل حساسیت سلسله‌مراتبی
• 94. تحلیل حساسیت سری زمانی
• 95. تحلیل حساسیت فضایی-زمانی
• 96. مقدمه‌ای بر روش‌های بیزین سلسله‌مراتبی
• 97. پیاده‌سازی مدل‌های بیزین سلسله‌مراتبی در Stan
• 98. مدل‌سازی ساختارهای سلسله‌مراتبی پیچیده
• 99. ارزیابی و اعتبارسنجی مدل‌های بیزین سلسله‌مراتبی
• 100. کاربردهای پیشرفته MCMC در پژوهش‌های علمی