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 و استنتاج بیزی
• 2. مفاهیم پایه احتمال و آمار
• 3. توزیع‌های احتمال گسسته و پیوسته
• 4. مقدمه‌ای بر زنجیره‌های مارکوف
• 5. مفاهیم پایه نمونه‌گیری اهمیت
• 6. کاربرد نمونه‌گیری اهمیت در عمل
• 7. شباهت چیس و نمونه‌گیری اهمیت
• 8. مقدمه‌ای بر نمونه‌گیری اهمیت
• 9. روش‌های بهبود نمونه‌گیری اهمیت
• 10. مدل‌سازی بیزی با Stan: اصول اولیه
• 11. نصب و راه‌اندازی Stan
• 12. نوشتن اولین مدل در Stan
• 13. مفاهیم پایه زبان Stan
• 14. انواع داده‌ها در Stan
• 15. ساختارهای کنترلی در Stan
• 16. توابع و ماژول‌ها در Stan
• 17. اعمال توابع آماری در Stan
• 18. مقدمه‌ای بر شبیه‌سازی مونت کارلو زنجیره مارکوف (MCMC)
• 19. مفاهیم پایه MCMC
• 20. الگوریتم گیبس سمپلر
• 21. الگوریتم هَستینگ-متروپولیس
• 22. الگوریتم MCMC با Stan
• 23. تنظیم پارامترهای MCMC
• 24. تشخیص همگرایی در MCMC
• 25. معیارهای تشخیص همگرایی
• 26. روش‌های بصری تشخیص همگرایی
• 27. روش‌های کمی تشخیص همگرایی
• 28. مدل‌های خطی در Stan
• 29. رگرسیون خطی بیزی
• 30. مدل‌های رگرسیون تعمیم‌یافته (GLM) در Stan
• 31. مدل‌های لجستیک بیزی
• 32. مدل‌های پواسون بیزی
• 33. مدل‌های رگرسیون چندجمله‌ای بیزی
• 34. مدل‌های سری زمانی در Stan
• 35. مدل‌های ARIMA بیزی
• 36. مدل‌های فضایی بیزی
• 37. مدل‌های سلسله مراتبی در Stan
• 38. مقدمه‌ای بر مدل‌های سلسله مراتبی
• 39. مدل‌های اثرات تصادفی
• 40. مدل‌های اثرات ثابت
• 41. مدل‌های ترکیبی (Fixed and Random Effects)
• 42. مدل‌های سلسله مراتبی در Stan
• 43. نمونه‌سازی مدل‌های سلسله مراتبی
• 44. تنظیم پارامترهای MCMC برای مدل‌های سلسله مراتبی
• 45. تحلیل حساسیت در مدل‌های آماری
• 46. مقدمه‌ای بر تحلیل حساسیت
• 47. روش‌های تحلیل حساسیت
• 48. تفسیر نتایج تحلیل حساسیت
• 49. اعتبارسنجی مدل‌های آماری
• 50. مقدمه‌ای بر اعتبارسنجی مدل
• 51. تکنیک‌های اعتبارسنجی متقابل (Cross-validation)
• 52. اعتبارسنجی در Stan
• 53. بهینه‌سازی مدل‌های آماری
• 54. مقدمه‌ای بر بهینه‌سازی مدل
• 55. روش‌های بهینه‌سازی پارامترها
• 56. تنظیم پارامترهای مدل در Stan
• 57. کتابخانه‌های کمکی Stan
• 58. استفاده از کتابخانه‌های آماری در Stan
• 59. کتابخانه‌های بصری‌سازی نتایج
• 60. تجزیه و تحلیل نتایج با R و Python
• 61. کاربرد Stan در مطالعات علوم داده
• 62. کاربرد Stan در تحقیقات علمی
• 63. کاربرد Stan در اقتصادسنجی
• 64. کاربرد Stan در زیست‌شناسی آماری
• 65. کاربرد Stan در علوم اجتماعی
• 66. کاربرد Stan در مهندسی
• 67. مدل‌سازی پیشرفته با Stan
• 68. مدل‌های شبکه‌ای بیزی
• 69. مدل‌های پنهان مارکوف (HMM) بیزی
• 70. مدل‌های مبتنی بر عامل (Agent-Based Models) بیزی
• 71. کاربرد تکنیک‌های پیشرفته MCMC
• 72. نمونه‌گیری با اهمیت تکرار شونده (RIPS)
• 73. روش‌های MCMC مبتنی بر گرادیان
• 74. روش‌های MCMC با استفاده از الگوریتم‌های تکاملی
• 75. استنتاج بیزی غیرپارامتری با Stan
• 76. مقدمه‌ای بر استنتاج بیزی غیرپارامتری
• 77. فرآیندهای گوسی (Gaussian Processes) در Stan
• 78. مدل‌های مخلوط (Mixture Models) بیزی
• 79. مدل‌های رگرسیون چندسطحی پیشرفته
• 80. مدل‌های خطای ناهمگن (Heteroscedasticity)
• 81. مدل‌سازی داده‌های پانل (Panel Data) در Stan
• 82. مدل‌های پویا (Dynamic Models) در Stan
• 83. مقدمه‌ای بر مدل‌های پویا
• 84. مدل‌های انتقال مارکوف (Markov Switching Models)
• 85. مدل‌های ناهمگنی پویا
• 86. مدل‌سازی داده‌های فضایی-زمانی (Spatio-Temporal Data)
• 87. مقدمه‌ای بر داده‌های فضایی-زمانی
• 88. مدل‌های فضایی-زمانی در Stan
• 89. کاربرد Stan در تحلیل داده‌های بزرگ
• 90. مقدمه‌ای بر تحلیل داده‌های بزرگ
• 91. بهینه‌سازی کد Stan برای داده‌های بزرگ
• 92. استفاده از Stan در پلتفرم‌های محاسباتی توزیع‌شده
• 93. روش‌های ارزیابی کیفیت مدل
• 94. تفسیر نتایج و ارائه گزارش
• 95. ملاحظات اخلاقی در مدل‌سازی آماری
• 96. اصول حاکم بر استفاده از داده‌ها
• 97. حفظ حریم خصوصی در تحلیل آماری
• 98. شفافیت در مدل‌سازی بیزی
• 99. اصول انطباق با مقررات
• 100. مقررات مربوط به محتوای آموزشی