فلش‌کارت‌های آموزشی رفع اشکال مدل‌های Stan

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب رفع اشکال مدل‌های Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مبانی مدل‌سازی در Stan
• 2. مفاهیم اساسی مدل‌سازی بیزی
• 3. آشنایی با زبان Stan
• 4. ساختار یک مدل Stan
• 5. بخش `data`
• 6. بخش `parameters`
• 7. بخش `transformed parameters`
• 8. بخش `model`
• 9. بخش `generated quantities`
• 10. انواع داده در Stan
• 11. متغیرهای اسکالر
• 12. بردارها
• 13. ماتریس‌ها
• 14. آرایه‌ها
• 15. توابع توزیع احتمال در Stan
• 16. توزیع‌های گسسته
• 17. توزیع‌های پیوسته
• 18. توابع کمکی برای توزیع‌ها
• 19. نکات مهم در تعریف پارامترها
• 20. محدودیت‌های پارامترها
• 21. تبدیلات پارامترها
• 22. انتخاب توزیع پیشین مناسب
• 23. توزیع‌های پیشین غیر اطلاعاتی
• 24. توزیع‌های پیشین اطلاعاتی
• 25. توزیع‌های پیشین متقارن
• 26. توزیع‌های پیشین نامتقارن
• 27. تاثیر انتخاب توزیع پیشین بر نتایج
• 28. چالش‌های رایج در مدل‌سازی Stan
• 29. همگرایی مدل
• 30. تشخیص واگرایی
• 31. معیارهای همگرایی (R-hat, Effective Sample Size)
• 32. استفاده از نمودارهایtrace
• 33. استفاده از نمودارهای density
• 34. تشخیص مشکلات در بخش `model`
• 35. نمودارهای autocorrelation
• 36. نکات مربوط به انتخاب تعداد گام‌های MCMC
• 37. تنظیمات MCMC (chains, iter, warmup)
• 38. استفاده از الگوریتم‌های مختلف MCMC (NUTS, HMC)
• 39. مشکلات مربوط به تعریف پارامترها
• 40. محدودیت‌های غیرممکن
• 41. تبدیلات نامناسب
• 42. مشکلات مربوط به بخش `transformed parameters`
• 43. محاسبات پیچیده
• 44. توابع غیرقابل مشتق‌گیری
• 45. مشکلات مربوط به بخش `generated quantities`
• 46. محاسبات زمان‌بر
• 47. تولید مقادیر نامعتبر
• 48. نمونه‌سازی از توزیع‌های پیچیده
• 49. بررسی صحت مدل
• 50. مقایسه مدل با داده‌ها
• 51. نمودارهای پیش‌بینی (posterior predictive checks)
• 52. تست‌های آماری برای ارزیابی مدل
• 53. تحلیل حساسیت به توزیع پیشین
• 54. بررسی موارد پرت (outliers)
• 55. مدل‌سازی سلسله مراتبی در Stan
• 56. مفاهیم مدل‌سازی سلسله مراتبی
• 57. پیاده‌سازی مدل‌های سلسله مراتبی در Stan
• 58. نکات مربوط به توزیع‌های پیشین در مدل‌های سلسله مراتبی
• 59. چالش‌های همگرایی در مدل‌های سلسله مراتبی
• 60. بهینه‌سازی مدل‌های Stan
• 61. کاهش زمان محاسبات
• 62. استفاده از تبدیل‌های خطی
• 63. استفاده از توابع بهینه
• 64. استفاده از الگوریتم‌های بهینه‌سازی
• 65. عیب‌یابی خطاهای کامپایل
• 66. کدهای نامعتبر
• 67. اشکالات سینتکسی
• 68. خطاهای منطقی
• 69. خطاهای مربوط به انواع داده
• 70. عیب‌یابی خطاهای زمان اجرا
• 71. مشکلات مربوط به داده‌های ورودی
• 72. مشکلات مربوط به پارامترهای اولیه
• 73. مشکلات مربوط به محدودیت‌ها
• 74. مشکلات مربوط به محاسبات
• 75. عیب‌یابی مشکلات حافظه
• 76. استفاده از داده‌های بزرگ
• 77. ساختارهای پیچیده داده
• 78. مدیریت حافظه در Stan
• 79. عیب‌یابی مشکلات مربوط به سرعت
• 80. کدهای ناکارآمد
• 81. الگوریتم‌های غیربهینه
• 82. توزیع‌های پیشین سنگین
• 83. تکنیک‌های پیشرفته اشکال‌زدایی
• 84. تجزیه و تحلیل حساسیت پارامترها
• 85. تحلیل عدم قطعیت
• 86. برنامه‌نویسی شرطی در Stan
• 87. استفاده از `if` و `else`
• 88. استفاده از `while`
• 89. استفاده از `for`
• 90. مدیریت داده‌های گمشده در Stan
• 91. استراتژی‌های مختلف برای داده‌های گمشده
• 92. پیاده‌سازی در Stan
• 93. تست و ارزیابی مدل‌های پیچیده
• 94. استفاده از بسته‌های کمکی Stan
• 95. Stan-R interface
• 96. Stan-Python interface
• 97. Stan-Julia interface
• 98. بسته‌های کمکی برای بصری‌سازی
• 99. بسته‌های کمکی برای ارزیابی مدل
• 100. نکات مهم برای مستندسازی مدل‌ها