دوره تنظیم پارامترهای MCMC برای Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیم پارامترهای MCMC برای Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی آماری بیزی
• 2. مبانی احتمال و آمار
• 3. مفاهیم کلیدی در مدل‌سازی آماری
• 4. معرفی نرم‌افزار Stan
• 5. نصب و راه‌اندازی Stan
• 6. مبانی زبان Stan
• 7. ساختار کلی برنامه‌های Stan
• 8. تعریف مدل‌های آماری در Stan
• 9. توابع احتمال و توزیع‌ها در Stan
• 10. نمونه‌گیری از توزیع‌های پیشین
• 11. نمونه‌گیری از توزیع‌های پسین
• 12. مفهوم زنجیره‌های مارکوف
• 13. فرآیندهای مونت کارلو با زنجیره مارکوف (MCMC)
• 14. الگوریتم گیبس
• 15. الگوریتم هَستینگ-متروپولیس
• 16. مبانی الگوریتم MCMC در Stan
• 17. انتخاب الگوریتم MCMC مناسب
• 18. تنظیم پارامترهای اولیه MCMC
• 19. تعداد تکرارها (iterations) در MCMC
• 20. تعداد زنجیره‌ها (chains) در MCMC
• 21. warm-up (burn-in) در MCMC
• 22. thinning در MCMC
• 23. ارزیابی همگرایی MCMC
• 24. نمودارهای trace
• 25. آماره‌های R-hat ( $\hat{R}$ )
• 26. خودهمبستگی در زنجیره‌های MCMC
• 27. شاخص‌های کارایی MCMC
• 28. تنظیم پارامترهای MCMC برای مدل‌های خطی
• 29. مدل‌های رگرسیون خطی بیزی
• 30. تنظیم پارامترهای MCMC برای مدل‌های سری زمانی
• 31. مدل‌های ARIMA بیزی
• 32. تنظیم پارامترهای MCMC برای مدل‌های طبقه‌بندی
• 33. مدل‌های لجستیک بیزی
• 34. تنظیم پارامترهای MCMC برای مدل‌های بقا
• 35. مدل‌های کاکس بیزی
• 36. تنظیم پارامترهای MCMC برای مدل‌های سلسله مراتبی
• 37. مدل‌های چندسطحی بیزی
• 38. تنظیم پارامترهای MCMC برای مدل‌های فضایی
• 39. مدل‌های خودهمبسته فضایی بیزی
• 40. تنظیم پارامترهای MCMC برای مدل‌های شبکه‌ای
• 41. مدل‌های گراف بیزی
• 42. اعتبارسنجی مدل‌های بیزی
• 43. بررسی برازش مدل
• 44. تست‌های برازش مدل
• 45. قیاس مدل‌ها
• 46. انتخاب مدل بر اساس معیارهای اطلاعاتی
• 47. معیار اطلاعاتی آکائیکه (AIC)
• 48. معیار اطلاعاتی بیزی (BIC)
• 49. معیار اطلاعاتی واک-آلترناتیو (WAIC)
• 50. معیار اطلاعاتی پیش‌بینی پسین (LOO-CV)
• 51. تجسم نتایج MCMC
• 52. نمودارهای توزیع پسین
• 53. نمودارهای مقایسه توزیع پسین
• 54. نمودارهای پیش‌بینی
• 55. تفسیر نتایج MCMC
• 56. ارزیابی عدم قطعیت در مدل‌سازی بیزی
• 57. استفاده از Stan برای مدل‌های سفارشی
• 58. نوشتن توابع سفارشی در Stan
• 59. بهینه‌سازی کد Stan
• 60. اشکال‌زدایی در برنامه‌های Stan
• 61. ملاحظات محاسباتی در MCMC
• 62. پردازش موازی در Stan
• 63. استفاده از GPU در Stan
• 64. مدل‌سازی داده‌های پرت
• 65. روش‌های مقاوم در برابر داده‌های پرت
• 66. مدل‌سازی داده‌های گمشده
• 67. روش‌های جایگزینی داده‌های گمشده
• 68. معرفی مدل‌های خطای متغیر
• 69. مدل‌سازی با خطای متغیر در Stan
• 70. مقدمه‌ای بر مدل‌های مبتنی بر عامل
• 71. مدل‌سازی مبتنی بر عامل در Stan
• 72. مقدمه‌ای بر مدل‌های شبکه بیزی
• 73. مدل‌سازی شبکه بیزی در Stan
• 74. مقدمه‌ای بر مدل‌های یادگیری عمیق بیزی
• 75. مدل‌سازی یادگیری عمیق بیزی در Stan
• 76. کاربرد MCMC در اقتصاد اسلامی
• 77. مدل‌سازی ریسک در چارچوب بیزی
• 78. کاربرد MCMC در علوم زیستی
• 79. مدل‌سازی ژنتیکی بیزی
• 80. کاربرد MCMC در علوم اجتماعی
• 81. تحلیل داده‌های پیمایشی بیزی
• 82. کاربرد MCMC در مهندسی
• 83. مدل‌سازی قابلیت اطمینان بیزی
• 84. کاربرد MCMC در علوم محیطی
• 85. مدل‌سازی تغییرات اقلیمی بیزی
• 86. کاربرد MCMC در علوم داده
• 87. تحلیل داده‌های بزرگ با Stan
• 88. ملاحظات اخلاقی در مدل‌سازی آماری
• 89. حفظ حریم خصوصی در داده‌ها
• 90. شفافیت در مدل‌سازی
• 91. اخلاق در استفاده از نتایج آماری
• 92. آینده مدل‌سازی بیزی و MCMC
• 93. چالش‌های پیش رو در MCMC
• 94. توسعه الگوریتم‌های MCMC نوین
• 95. مبانی یادگیری ماشین بیزی
• 96. یادگیری ماشین با استفاده از Stan
• 97. کاربرد MCMC در بهینه‌سازی
• 98. بهینه‌سازی بیزی
• 99. اصول طراحی آزمایش در Stan
• 100. استفاده از Stan در تجزیه و تحلیل داده‌های آزمایشی