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 توزیع‌های احتمال
• 4. توزیع‌های پیشین و پسین
• 5. قضیه بیز و کاربردهای آن
• 6. مقدمه‌ای بر زبان برنامه‌نویسی R
• 7. نصب و راه‌اندازی R و RStudio
• 8. مبانی برنامه‌نویسی در R
• 9. بسته‌های آماری در R
• 10. مقدمه‌ای بر مدل‌سازی سلسله مراتبی
• 11. انواع مدل‌های سلسله مراتبی
• 12. مزایای مدل‌سازی سلسله مراتبی
• 13. معرفی نرم‌افزار Stan
• 14. نصب و راه‌اندازی Stan
• 15. مبانی زبان مدل‌سازی Stan
• 16. نوشتن مدل‌های ساده در Stan
• 17. دستورات پایه در Stan
• 18. انواع داده‌ها در Stan
• 19. تابع likelihood در Stan
• 20. تابع prior در Stan
• 21. بهینه‌سازی مدل‌ها در Stan
• 22. مقدمه‌ای بر روش‌های مونت کارلو زنجیره مارکوف (MCMC)
• 23. مبانی MCMC
• 24. الگوریتم گیبس سمپلینگ
• 25. الگوریتم Metropolis-Hastings
• 26. ارزیابی همگرایی MCMC
• 27. معیارهای تشخیص همگرایی
• 28. روش‌های بصری برای بررسی همگرایی
• 29. پارامترهای کلیدی MCMC
• 30. تنظیم گام (Step Size) در MCMC
• 31. تنظیم تعداد تکرار (Iterations) در MCMC
• 32. تنظیم تعداد زنجیره‌ها (Chains) در MCMC
• 33. تنظیم burn-in در MCMC
• 34. تنظیم thinning در MCMC
• 35. تأثیر پارامترها بر کارایی MCMC
• 36. تنظیم پارامترهای MCMC برای مدل‌های خطی
• 37. مدل‌های خطی در Stan
• 38. تنظیم پارامترهای MCMC برای مدل‌های رگرسیونی
• 39. اعتبارسنجی مدل‌های رگرسیونی
• 40. تنظیم پارامترهای MCMC برای مدل‌های لجستیک
• 41. مدل‌های طبقه‌بندی در Stan
• 42. تنظیم پارامترهای MCMC برای مدل‌های بقا
• 43. مدل‌های بقا در Stan
• 44. تنظیم پارامترهای MCMC برای مدل‌های سری زمانی
• 45. مدل‌های سری زمانی در Stan
• 46. تنظیم پارامترهای MCMC برای مدل‌های سلسله مراتبی
• 47. مدل‌های سلسله مراتبی در Stan
• 48. تنظیم پارامترهای MCMC برای مدل‌های خطای اندازه‌گیری
• 49. مدل‌های با خطای اندازه‌گیری در Stan
• 50. تنظیم پارامترهای MCMC برای مدل‌های پیچیده
• 51. مدل‌های غیرخطی در Stan
• 52. تنظیم پارامترهای MCMC برای مدل‌های پواسون
• 53. مدل‌سازی داده‌های شمارشی
• 54. تنظیم پارامترهای MCMC برای مدل‌های دوجمله‌ای
• 55. مدل‌سازی داده‌های دودویی
• 56. تنظیم پارامترهای MCMC برای مدل‌های آماری اقتصادسنجی
• 57. کاربرد MCMC در اقتصادسنجی
• 58. تنظیم پارامترهای MCMC برای مدل‌های آماری علوم اجتماعی
• 59. کاربرد MCMC در علوم اجتماعی
• 60. تنظیم پارامترهای MCMC برای مدل‌های آماری زیست‌شناسی
• 61. کاربرد MCMC در زیست‌شناسی
• 62. تنظیم پارامترهای MCMC برای مدل‌های آماری در پزشکی
• 63. کاربرد MCMC در پزشکی
• 64. تنظیم پارامترهای MCMC برای مدل‌های آماری در مهندسی
• 65. کاربرد MCMC در مهندسی
• 66. تنظیم پارامترهای MCMC برای مدل‌های آماری در علوم داده
• 67. کاربرد MCMC در علوم داده
• 68. بهبود کارایی MCMC
• 69. تکنیک‌های نمونه‌برداری پیشرفته
• 70. نمونه‌برداری با اهمیت (Importance Sampling)
• 71. نمونه‌برداری تطبیقی (Adaptive Sampling)
• 72. تکنیک‌های کاهش واریانس
• 73. استفاده از Priors اطلاع‌دار
• 74. اعتبارسنجی متقاطع (Cross-Validation)
• 75. مقایسه مدل‌ها
• 76. شاخص‌های اطلاعاتی (AIC, BIC)
• 77. شاخص achaike information criterion
• 78. شاخص bayesian information criterion
• 79. بررسی حساسیت مدل به Priors
• 80. انجام تحلیل‌های پسین (Posterior Analysis)
• 81. محاسبه فواصل اطمینان بیزی
• 82. رسم نمودارهای توزیع پسین
• 83. تفسیر نتایج MCMC
• 84. ارتباط با جامعه علمی
• 85. مطالعه مقالات مرتبط با MCMC
• 86. کارگاه‌ها و دوره‌های آموزشی پیشرفته
• 87. اخلاق در تحلیل‌های آماری
• 88. حفظ حریم خصوصی داده‌ها
• 89. شفافیت در گزارش‌دهی نتایج
• 90. استفاده مسئولانه از ابزارهای آماری
• 91. مباحث پیشرفته در مدل‌سازی بیزی
• 92. مدل‌های گوسی فرآیند (Gaussian Processes)
• 93. شبکه‌های بیزی (Bayesian Networks)
• 94. مدل‌های مارکوف مخفی (Hidden Markov Models)
• 95. مدل‌های بیزی غیر پارامتری (Nonparametric Bayesian Models)
• 96. کاربرد MCMC در یادگیری ماشین
• 97. مقدمه‌ای بر یادگیری ماشین بیزی
• 98. یادگیری ماشین با استفاده از Stan
• 99. بهینه‌سازی پارامترهای MCMC برای مدل‌های پیچیده
• 100. بررسی مشکلات رایج در MCMC