دوره تنظیمات پیشرفته برای مدل‌های بیزی در Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیمات پیشرفته برای مدل‌های بیزی در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌های بیزی و Stan
• 2. نصب و راه‌اندازی Stan
• 3. ساختار کلی یک مدل بیزی
• 4. توابع احتمال و توزیع‌های رایج
• 5. توزیع‌های پیشین و پسین
• 6. مفهوم اطلاعات پیشین
• 7. انتخاب توزیع پیشین مناسب
• 8. مدل‌سازی با توزیع نرمال
• 9. مدل‌سازی با توزیع گاما
• 10. مدل‌سازی با توزیع بتا
• 11. مدل‌سازی با توزیع پواسون
• 12. مدل‌سازی با توزیع دوجمله‌ای
• 13. مفهوم احتمال شرطی
• 14. قضیه بیز در عمل
• 15. تخمین حداکثر درست‌نمایی (MLE)
• 16. تخمین حداکثر پسین (MAP)
• 17. روش‌های نمونه‌برداری مارکوف زنجیره‌ای (MCMC)
• 18. مفهوم زنجیره مارکوف
• 19. الگوریتم گیبس (Gibbs Sampling)
• 20. الگوریتم نمونه‌برداری هارشتاین-مونت کارلو (HMC)
• 21. پیاده‌سازی HMC در Stan
• 22. بهینه‌سازی پارامترهای HMC
• 23. تشخیص همگرایی زنجیره‌ها
• 24. معیارهای همگرایی (R-hat, ESS)
• 25. تحلیل نتایج HMC
• 26. تصویرسازی نتایج مدل بیزی
• 27. نمودارهای تراکم پسین
• 28. نمودارهای سری زمانی زنجیره‌ها
• 29. نمودارهای پراکندگی
• 30. محاسبه فواصل اطمینان بیزی
• 31. اعتبارسنجی مدل بیزی
• 32. آزمون‌های برازش (Goodness-of-fit tests)
• 33. پیش‌بینی با مدل‌های بیزی
• 34. بررسی حساسیت به توزیع پیشین
• 35. مدل‌های خطی بیزی
• 36. رگرسیون خطی بیزی
• 37. رگرسیون لجستیک بیزی
• 38. مدل‌سازی سری زمانی بیزی
• 39. مدل‌های خطی تعمیم‌یافته بیزی (GLM)
• 40. مدل‌های سلسله‌مراتبی بیزی
• 41. مفهوم سطوح سلسله‌مراتبی
• 42. مدل‌های اثرات تصادفی
• 43. مدل‌های اثرات ترکیبی
• 44. پیاده‌سازی مدل‌های سلسله‌مراتبی در Stan
• 45. مدل‌سازی داده‌های مکانی بیزی
• 46. مدل‌های خودرگرسیو مکانی
• 47. مدل‌های میانگین متحرک مکانی
• 48. تحلیل داده‌های پانل بیزی
• 49. مدل‌های اثرات ثابت و تصادفی در پانل
• 50. مدل‌سازی بقا بیزی
• 51. مدل کاکس بیزی
• 52. مدل‌های پارامتری بقا
• 53. روش‌های بیزی در تحلیل داده‌های پرت
• 54. مدل‌سازی عدم قطعیت در پارامترها
• 55. مدل‌سازی عدم قطعیت در پیش‌بینی‌ها
• 56. استفاده از Stan برای داده‌های حجیم
• 57. بهینه‌سازی کد Stan
• 58. نکات پیشرفته در نوشتن مدل‌های Stan
• 59. مدیریت خطاهای رایج در Stan
• 60. استفاده از ورودی/خروجی Stan
• 61. ترکیب Stan با زبان‌های دیگر (R, Python)
• 62. تجزیه و تحلیل حساسیت پیشین
• 63. مقایسه مدل‌های بیزی
• 64. انتخاب مدل با معیارهای بیزی (WAIC, LOO-CV)
• 65. مقدمه‌ای بر مدل‌سازی شبکه‌ای بیزی
• 66. کاربرد شبکه‌های بیزی در یادگیری ماشین
• 67. مدل‌سازی گرافیکی بیزی
• 68. مفاهیم پیشرفته در مدل‌سازی گرافیکی
• 69. مدل‌سازی استنباطی بیزی
• 70. کاربرد مدل‌های بیزی در تصمیم‌گیری
• 71. مدل‌سازی بیزی برای داده‌های نامعلوم
• 72. مدل‌سازی بیزی برای داده‌های ترتیبی
• 73. مدل‌سازی بیزی برای داده‌های طبقه‌بندی
• 74. مدل‌سازی بیزی برای داده‌های پیوسته
• 75. مدل‌سازی بیزی برای داده‌های شمارشی
• 76. مدل‌سازی بیزی برای داده‌های دودویی
• 77. مدل‌سازی بیزی برای داده‌های چندوجهی
• 78. مدل‌سازی بیزی برای داده‌های گروه‌بندی شده
• 79. مدل‌سازی بیزی برای داده‌های هرمی
• 80. مدل‌سازی بیزی برای داده‌های چندسطحی
• 81. مقدمه‌ای بر روش‌های تقریبی بیزی
• 82. استفاده از Variational Inference در Stan
• 83. بهینه‌سازی Variational Inference
• 84. مقایسه MCMC و Variational Inference
• 85. کاربرد مدل‌های بیزی در علوم اجتماعی
• 86. کاربرد مدل‌های بیزی در علوم پزشکی
• 87. کاربرد مدل‌های بیزی در اقتصاد
• 88. کاربرد مدل‌های بیزی در مهندسی
• 89. کاربرد مدل‌های بیزی در علوم کامپیوتر
• 90. کاربرد مدل‌های بیزی در علوم محیطی
• 91. کاربرد مدل‌های بیزی در علوم زمین
• 92. کاربرد مدل‌های بیزی در علوم زیستی
• 93. کاربرد مدل‌های بیزی در مدیریت
• 94. کاربرد مدل‌های بیزی در علوم سیاسی
• 95. مباحث پیشرفته در مدل‌سازی بیزی
• 96. مطالعه موردی: مدل‌سازی بیزی در عمل
• 97. نکات پایانی و مسیرهای پیش رو در مدل‌سازی بیزی