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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تکنیک‌های اعتبارسنجی 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 نرم‌افزار Stan
• 2. نصب و راه‌اندازی Stan
• 3. مبانی زبان Stan: دستورات پایه و انواع داده
• 4. مدل‌سازی آماری با Stan: مفاهیم اولیه
• 5. اعتبارسنجی مدل‌های آماری: چرا و چگونه؟
• 6. مقدمه‌ای بر اعتبارسنجی متقابل
• 7. مفهوم بیش‌برازش (Overfitting) و کم‌برازش (Underfitting)
• 8. روش‌های پیش‌بینی خارج از نمونه (Out-of-Sample Prediction)
• 9. شاخص‌های ارزیابی مدل: RMSE، MAE، R-squared
• 10. مقدمه‌ای بر اعتبارسنجی مدل‌های بیزی
• 11. تفاوت اعتبارسنجی مدل‌های فراکَندی (Frequentist) و بیزی
• 12. شاخص‌های اطلاعاتی بیزی: AIC، BIC، DIC
• 13. معیار اطلاعاتی براین (Bayesian Information Criterion - BIC)
• 14. معیار اطلاعاتی آکایکه (Akaike Information Criterion - AIC)
• 15. معیار اطلاعاتی انحراف (Deviance Information Criterion - DIC)
• 16. شاخص اطلاعاتی هِیلِرو-وِیس (Heller-Weiss Information Criterion - HWIC)
• 17. شاخص اطلاعاتی واِیت-کِیس (Waite-Kais Information Criterion - WKIC)
• 18. اعتبارسنجی مبتنی بر شبیه‌سازی (Simulation-based Validation)
• 19. تولید داده‌های شبیه‌سازی شده از مدل بیزی
• 20. مقایسه داده‌های واقعی و شبیه‌سازی شده
• 21. تحلیل باقی‌مانده‌ها (Residual Analysis) در مدل‌های بیزی
• 22. رسم نمودارهای باقی‌مانده‌ها
• 23. تفسیر باقی‌مانده‌های استاندارد شده
• 24. استفاده از شبیه‌سازی پسین (Posterior Predictive Checks)
• 25. تولید پیش‌بینی‌های پسین
• 26. مقایسه توزیع پیش‌بینی پسین با داده‌های واقعی
• 27. استفاده از توزیع‌های پیش‌بینی (Predictive Distributions)
• 28. پیش‌بینی‌های حاشیه‌ای (Marginal Predictive Distributions)
• 29. پیش‌بینی‌های شرطی (Conditional Predictive Distributions)
• 30. اعتبارسنجی مبتنی بر اعتبارسنجی متقابل بیزی (Bayesian Cross-Validation)
• 31. روش K-Fold Cross-Validation در Stan
• 32. تکنیک Hold-Out در Stan
• 33. اعتبارسنجی با استفاده از داده‌های جدید (New Data Validation)
• 34. پوسته‌های پیش‌بینی (Posterior Predictive Intervals)
• 35. مقایسه پوسته‌های پیش‌بینی با مشاهدات واقعی
• 36. استفاده از تابع احتمال پسین (Posterior Likelihood Function)
• 37. اعتبارسنجی مبتنی بر شواهد (Evidence-based Validation)
• 38. محاسبه نسبت شواهد (Bayes Factor)
• 39. تفسیر نسبت شواهد برای مقایسه مدل‌ها
• 40. اعتبارسنجی حساسیت (Sensitivity Analysis)
• 41. بررسی تأثیر تغییر پارامترهای پیشین (Prior Parameters)
• 42. تأثیرگذاری بر نتایج مدل
• 43. بررسی حساسیت به ساختار مدل (Model Structure Sensitivity)
• 44. اعتبارسنجی مدل‌های خطی بیزی در Stan
• 45. اعتبارسنجی مدل‌های رگرسیون لجستیک بیزی در Stan
• 46. اعتبارسنجی مدل‌های سری زمانی بیزی در Stan
• 47. اعتبارسنجی مدل‌های سلسله‌مراتبی بیزی در Stan
• 48. اعتبارسنجی مدل‌های رگرسیون پواسون بیزی در Stan
• 49. اعتبارسنجی مدل‌های رگرسیون گاما بیزی در Stan
• 50. اعتبارسنجی مدل‌های مدل‌سازی رویدادهای حدی در Stan
• 51. اعتبارسنجی مدل‌های ناپارامتری بیزی در Stan
• 52. اعتبارسنجی مدل‌های مبتنی بر فرآیندهای گوسی در Stan
• 53. اعتبارسنجی مدل‌های شبکه‌های عصبی بیزی در Stan
• 54. برنامه‌نویسی مدل‌های بیزی در Stan: تمرینات عملی
• 55. نوشتن کد Stan برای مدل‌های ساده
• 56. اشکال‌زدایی (Debugging) کدهای Stan
• 57. بهینه‌سازی کدهای Stan برای سرعت بیشتر
• 58. استفاده از کتابخانه‌های کمکی Stan
• 59. ترکیب Stan با زبان R برای اعتبارسنجی
• 60. ترکیب Stan با زبان Python برای اعتبارسنجی
• 61. تکنیک‌های پیشرفته اعتبارسنجی مدل‌های بیزی
• 62. اعتبارسنجی مدل‌های یادگیری عمیق بیزی
• 63. اعتبارسنجی مدل‌های تشخیص تصویر بیزی
• 64. اعتبارسنجی مدل‌های پردازش زبان طبیعی بیزی
• 65. اعتبارسنجی مدل‌های مدل‌سازی علت و معلولی بیزی
• 66. اعتبارسنجی مدل‌های مدل‌سازی پویایی سیستم بیزی
• 67. اعتبارسنجی مدل‌های مدل‌سازی پیش‌بینی سری‌های زمانی پیچیده
• 68. اعتبارسنجی مدل‌های مدل‌سازی داده‌های فضایی بیزی
• 69. اعتبارسنجی مدل‌های مدل‌سازی داده‌های شبکه‌ای بیزی
• 70. اعتبارسنجی مدل‌های مدل‌سازی آماری در علوم زیستی
• 71. اعتبارسنجی مدل‌های آماری در علوم اجتماعی
• 72. اعتبارسنجی مدل‌های آماری در علوم اقتصادی
• 73. اعتبارسنجی مدل‌های آماری در علوم مهندسی
• 74. اعتبارسنجی مدل‌های آماری در علوم پزشکی
• 75. اعتبارسنجی مدل‌های آماری در علوم محیط زیست
• 76. اعتبارسنجی مدل‌های آماری در علوم کامپیوتر
• 77. اعتبارسنجی مدل‌های آماری در علوم فیزیک
• 78. اعتبارسنجی مدل‌های آماری در علوم شیمی
• 79. اعتبارسنجی مدل‌های آماری در علوم زمین
• 80. اعتبارسنجی مدل‌های آماری در علوم مدیریت
• 81. اعتبارسنجی مدل‌های آماری در علوم حقوق
• 82. اعتبارسنجی مدل‌های آماری در علوم روانشناسی
• 83. اعتبارسنجی مدل‌های آماری در علوم ارتباطات
• 84. اعتبارسنجی مدل‌های آماری در علوم معماری
• 85. اعتبارسنجی مدل‌های آماری در علوم زبان‌شناسی
• 86. اعتبارسنجی مدل‌های آماری در علوم هنر
• 87. استفاده از ابزارهای بصری‌سازی برای اعتبارسنجی
• 88. تکنیک‌های اعتبارسنجی غیررسمی
• 89. اهمیت اعتبارسنجی در پژوهش‌های علمی
• 90. محدودیت‌های اعتبارسنجی مدل‌های بیزی
• 91. آینده اعتبارسنجی مدل‌های بیزی
• 92. مطالعات موردی پیشرفته در اعتبارسنجی مدل‌های بیزی
• 93. چالش‌های عملی در اعتبارسنجی مدل‌های پیچیده
• 94. ارتباط اعتبارسنجی با اصول علم داده
• 95. تفسیر نتایج اعتبارسنجی در تصمیم‌گیری‌های عملی
• 96. نتیجه‌گیری و جمع‌بندی مباحث اعتبارسنجی
• 97. کاربرد اعتبارسنجی در ارزیابی کیفیت مدل‌ها