فلش‌کارت‌های آموزشی تنظیمات پیشرفته for Modeling in Stan

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب تنظیمات پیشرفته for Modeling in Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه ای بر مدل سازی در Stan
• 2. مفاهیم اساسی مدل سازی آماری
• 3. مبانی احتمال و آمار
• 4. توزیع های احتمالی رایج
• 5. مدل های خطی
• 6. مدل های رگرسیون
• 7. مدل های سری زمانی
• 8. مدل های فضایی
• 9. مدل های سلسله مراتبی
• 10. مدل های پویا
• 11. ساختارهای داده ای در Stan
• 12. انواع داده ها
• 13. آرایه ها و وکتورها
• 14. ماتریس ها
• 15. توابع و دستورات در Stan
• 16. تعریف توابع سفارشی
• 17. ساختارهای کنترلی (if, for, while)
• 18. نوشتن مدل ها در Stan
• 19. ساختار کلی یک فایل Stan
• 20. بخش `data`
• 21. بخش `parameters`
• 22. بخش `transformed parameters`
• 23. بخش `model`
• 24. بخش `generated quantities`
• 25. نوشتن کد برای مدل های ساده
• 26. رگرسیون خطی ساده
• 27. رگرسیون خطی چندگانه
• 28. مدل های خطی تعمیم یافته (GLMs)
• 29. مدل های لجستیک
• 30. مدل های پواسون
• 31. مدل های سری زمانی ساده
• 32. مدل های فضایی ساده
• 33. مدل های سلسله مراتبی پایه
• 34. مفاهیم نمونه گیری MCMC
• 35. الگوریتم Metropolis-Hastings
• 36. الگوریتم Gibbs Sampling
• 37. الگوریتم Hamiltonian Monte Carlo (HMC)
• 38. مزایا و معایب HMC
• 39. پارامترهای HMC
• 40. تنظیمات پیشرفته HMC
• 41. تعداد گام های HMC (L)
• 42. اندازه گام HMC (epsilon)
• 43. استفاده از NUTS (No-U-Turn Sampler)
• 44. تنظیمات NUTS
• 45. تشخیص همگرایی در MCMC
• 46. نمودارهای trace
• 47. آماره R-hat (Gelman-Rubin statistic)
• 48. نمودارهای autocorrelation
• 49. نمودارهای density
• 50. روش های اصلاح همگرایی
• 51. تعداد chain های MCMC
• 52. تعداد iterations در هر chain
• 53. burn-in period
• 54. thinning
• 55. ارزیابی کیفیت مدل
• 56. اعتبارسنجی متقابل (Cross-validation)
• 57. پیش بینی های خارج از نمونه (Out-of-sample predictions)
• 58. نمودارهای تشخیصی (Diagnostic plots)
• 59. محاسبه IC ها (Information Criteria)
• 60. AIC, BIC, WAIC, LOO-IC
• 61. تفسیر نتایج مدل
• 62. تفسیر پارامترهای مدل
• 63. فاصله های اطمینان (Credible intervals)
• 64. احتمال پسین (Posterior probability)
• 65. تحلیل حساسیت (Sensitivity analysis)
• 66. مدل سازی پیشرفته در Stan
• 67. مدل های سلسله مراتبی پیچیده
• 68. مدل های سلسله مراتبی چند سطحی
• 69. مدل های اثرات مختلط (Mixed-effects models)
• 70. مدل های بازگشتی (Recurrent models)
• 71. مدل های پویا خطی (Linear Dynamical Models)
• 72. مدل های گوسی فرآیند (Gaussian Process Models)
• 73. مدل های فضای حالت (State-space Models)
• 74. مدل های مبتنی بر عامل (Agent-based Models)
• 75. مدل های شبکه ای (Network Models)
• 76. مدل های پنهان مارکوف (Hidden Markov Models)
• 77. مدل های مبتنی بر رویداد (Event-based Models)
• 78. مدل های باینری و ترتیبی
• 79. مدل های بقا (Survival Models)
• 80. مدل های داده های گسسته (Discrete data models)
• 81. مدل های داده های ممیزی (Count data models)
• 82. مدل های داده های ترکیبی (Mixed data models)
• 83. استفاده از priors در Stan
• 84. انتخاب priors مناسب
• 85. priors غیر اطلاعاتی (Non-informative priors)
• 86. priors اطلاعاتی (Informative priors)
• 87. priors سلسله مراتبی
• 88. priors برای پارامترهای مختلف
• 89. تنظیمات پیشرفته برای priors
• 90. اعتبارسنجی priors
• 91. اعمال priors سفارشی
• 92. بهینه سازی کد Stan
• 93. نکات مربوط به سرعت کدنویسی
• 94. استفاده از توابع داخلی Stan
• 95. اجتناب از محاسبات تکراری
• 96. استفاده از vectorization
• 97. بهینه سازی ساختارهای داده ای
• 98. استفاده از `rstanarm` و `brms`
• 99. مزایای استفاده از این بسته ها
• 100. نوشتن مدل های پیچیده با سینتکس ساده تر