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. مبانی احتمالات و آمار در استنتاج بیزی
• 2. مقدمه‌ای بر مدل‌سازی آماری
• 3. مفاهیم کلیدی در زنجیره‌های مارکوف
• 4. فرآیندهای تصادفی و کاربردهای آن‌ها
• 5. اصول و مبانی نمونه‌برداری مارکوف زنجیره‌ای
• 6. معرفی زبان برنامه‌نویسی Stan
• 7. نصب و راه‌اندازی Stan
• 8. نوشتن مدل‌های آماری ساده در Stan
• 9. انواع توزیع‌های پیشین و پسین
• 10. انتخاب توزیع‌های پیشین مناسب
• 11. تعریف توزیع‌های احتمال در Stan
• 12. مدل‌سازی رگرسیونی خطی با Stan
• 13. انجام رگرسیون لجستیک در Stan
• 14. پیاده‌سازی مدل‌های سلسله‌مراتبی در Stan
• 15. مدل‌های مختلط در Stan
• 16. آشنایی با الگوریتم‌های MCMC
• 17. پیاده‌سازی الگوریتم Metropolis-Hastings در Stan
• 18. مبانی الگوریتم Gibbs Sampling
• 19. پیاده‌سازی الگوریتم Gibbs Sampling در Stan
• 20. معرفی الگوریتم Hamilton Monte Carlo (HMC)
• 21. کاربرد HMC در Stan
• 22. تنظیم پارامترهای HMC
• 23. انتخاب گام زمانی در HMC
• 24. تنظیم پارامترهای L-BFGS در HMC
• 25. تنظیم پارامترهای گام‌های تصادفی در HMC
• 26. تنظیم پارامترهای توزیع نرمال در HMC
• 27. عیب‌یابی و رفع مشکلات HMC
• 28. تشخیص همگرایی در MCMC
• 29. معیارهای همگرایی سریالی
• 30. استفاده از نمودارهای Trace Plot
• 31. معیار R-hat برای همگرایی
• 32. تشخیص واگرایی در MCMC
• 33. روش‌های بهبود کارایی MCMC
• 34. نمونه‌برداری حساس به پارامتر
• 35. تنظیم پارامترهای مدل برای بهبود نمونه‌برداری
• 36. استفاده از توابع کمکی در Stan
• 37. بهینه‌سازی کد Stan
• 38. مدیریت حافظه در Stan
• 39. نوشتن مدل‌های بازگشتی در Stan
• 40. مدل‌سازی سری‌های زمانی با Stan
• 41. مدل‌های ARMA در Stan
• 42. مدل‌های GARCH در Stan
• 43. مدل‌سازی داده‌های فضایی در Stan
• 44. مدل‌های مکانی-زمانی
• 45. استنتاج بیزی برای مدل‌های خطی تعمیم‌یافته
• 46. مدل‌های لجستیک تعمیم‌یافته در Stan
• 47. مدل‌های پواسون تعمیم‌یافته در Stan
• 48. مدل‌سازی داده‌های شمارشی در Stan
• 49. مدل‌سازی داده‌های بقا در Stan
• 50. مدل‌های کاکس در Stan
• 51. مدل‌سازی داده‌های طبقه‌بندی در Stan
• 52. استفاده از Stan برای مدل‌های یادگیری ماشین
• 53. شبکه‌های عصبی بیزی در Stan
• 54. مدل‌های درخت تصمیم بیزی
• 55. مدل‌های بیزی برای خوشه‌بندی
• 56. تکنیک‌های پیشرفته در Stan
• 57. استفاده از Stan برای تحلیل داده‌های بزرگ
• 58. موازی‌سازی در Stan
• 59. استفاده از Stan با زبان‌های دیگر (R, Python)
• 60. تجسم نتایج MCMC
• 61. تفسیر خروجی‌های Stan
• 62. ارزیابی مدل‌های بیزی
• 63. انتخاب مدل با معیارهای بیزی
• 64. اعتبارسنجی متقابل بیزی
• 65. حساسیت‌سنجی به توزیع‌های پیشین
• 66. کاربرد Stan در علوم زیستی
• 67. کاربرد Stan در علوم اقتصادی
• 68. کاربرد Stan در علوم اجتماعی
• 69. کاربرد Stan در مهندسی
• 70. مطالعات موردی پیشرفته در Stan
• 71. مدل‌سازی پیش‌بینی با Stan
• 72. مدل‌سازی علت و معلولی با Stan
• 73. مدل‌سازی آماری پیشرفته در Stan
• 74. مدل‌های پنهان مارکوف در Stan
• 75. مدل‌های گرافیکی بیزی
• 76. استنتاج بیزی در شبکه‌های عصبی
• 77. مدل‌های بیزی برای پردازش تصویر
• 78. مدل‌های بیزی برای پردازش زبان طبیعی
• 79. بهینه‌سازی مدل‌های بیزی
• 80. بررسی نااطمینانی در مدل‌ها
• 81. مدل‌سازی پدیده‌های پیچیده
• 82. استنتاج بیزی برای مدل‌های غیر پارامتری
• 83. کاربرد Stan در تجزیه و تحلیل داده‌های ناقص
• 84. مدل‌سازی پویای سیستم‌ها با Stan
• 85. اصول طراحی آزمایش با رویکرد بیزی
• 86. مدل‌سازی خطای اندازه‌گیری در Stan
• 87. تحلیل حساسیت پارامترهای مدل
• 88. استنتاج بیزی در مورد پارامترهای محدود
• 89. کاربرد Stan در علوم محیطی
• 90. مدل‌سازی اقلیمی با Stan
• 91. مدل‌سازی زیست‌محیطی با Stan
• 92. مدل‌سازی انتشار آلودگی با Stan
• 93. استنتاج بیزی در مورد اثرات بلندمدت
• 94. مدل‌سازی ریسک در Stan
• 95. کاربرد Stan در تحلیل سری‌های زمانی مالی
• 96. مدل‌سازی نوسانات بازار با Stan
• 97. مدل‌سازی پیش‌بینی قیمت با Stan
• 98. مدل‌سازی آماری ریسک اعتباری
• 99. مبانی مدل‌سازی بیزی پیشرفته
• 100. روش‌های نمونه‌برداری نمونه‌گیری متقابل