فلش‌کارت‌های آموزشی ملاحظات کلیدی در استفاده از Stan

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب ملاحظات کلیدی در استفاده از 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 Stan
• 2. اهمیت Stan در مدل سازی آماری
• 3. مزایای استفاده از Stan
• 4. یادگیری زبان Stan
• 5. مفاهیم پایه در Stan (متغیرها، توابع)
• 6. نحوه تعریف مدل ها در Stan
• 7. ساختار کلی یک برنامه Stan
• 8. بخش داده ها (Data Block)
• 9. بخش پارامترها (Parameters Block)
• 10. بخش مدل (Model Block)
• 11. بخش تراوش (Generated Quantities Block)
• 12. انتخاب مدل آماری مناسب
• 13. تطبیق مدل با داده ها
• 14. اعتبارسنجی مدل
• 15. مفاهیم پایه احتمالاتی
• 16. نظریه بیز
• 17. استنتاج بیزی
• 18. نمونه برداری مونت کارلو زنجیره مارکوف (MCMC)
• 19. الگوریتم هامیلتونی مونت کارلو (HMC)
• 20. الگوریتم نمونه برداری اصلاح شده (NUTS)
• 21. تنظیمات الگوریتم NUTS
• 22. پارامترهای HMC ( گام زمانی، تعداد گام ها)
• 23. تنظیمات نمونه برداری در Stan
• 24. تعداد تکرارها (iterations)
• 25. تعداد زنجیره ها (chains)
• 26. تعداد گرم کردن (warmup)
• 27. تنظیمات نمونه برداری برای سرعت
• 28. تنظیمات نمونه برداری برای دقت
• 29. تفسیر خروجی Stan
• 30. آمار خلاصه (summary statistics)
• 31. نمودارهایtrace (trace plots)
• 32. نمودارهای تراکم (density plots)
• 33. نمودارهای جعبه ای (box plots)
• 34. تشخیص همگرایی (convergence diagnostics)
• 35. R-hat
• 36. autocorrelation
• 37. effective sample size (ESS)
• 38. نمودارهای ارزیابی همگرایی
• 39. عیب یابی مدل های Stan
• 40. مشکلات نمونه برداری
• 41. نمونه برداری کند
• 42. عدم همگرایی
• 43. مشکلات تعریف مدل
• 44. خطاهای سینتکسی
• 45. خطاهای منطقی
• 46. خطاهای مربوط به توابع
• 47. بهینه سازی مدل های Stan
• 48. کاهش پیچیدگی مدل
• 49. استفاده از توابع کمکی
• 50. انتخاب پارامترهای مناسب برای HMC
• 51. استفاده از پارامترهای پیش فرض Stan
• 52. تنظیم پارامترهای HMC به صورت دستی
• 53. مثال های کاربردی مدل سازی با Stan
• 54. مدل های خطی ساده
• 55. مدل های خطی سلسله مراتبی
• 56. مدل های رگرسیون لجستیک
• 57. مدل های سری زمانی
• 58. مدل های مکانی-زمانی
• 59. مدل های بقا
• 60. مدل های گرافیکی
• 61. مدل های شبکه های عصبی
• 62. مدل های استنتاج توزیع
• 63. مدل های ساختاری
• 64. مدل های آماری برای علوم زیستی
• 65. مدل های آماری برای علوم اجتماعی
• 66. مدل های آماری برای علوم اقتصادی
• 67. مدل های آماری برای علوم مهندسی
• 68. مدل های آماری برای علوم محیط زیست
• 69. مدل های آماری برای علوم کامپیوتر
• 70. مدل های آماری برای علوم داده
• 71. استفاده از Stan در زبان R
• 72. بسته rstan
• 73. نحوه فراخوانی Stan از R
• 74. تفسیر خروجی R از Stan
• 75. استفاده از Stan در زبان Python
• 76. بسته pystan
• 77. نحوه فراخوانی Stan از Python
• 78. تفسیر خروجی Python از Stan
• 79. استفاده از Stan در زبان Julia
• 80. بسته Turing.jl
• 81. نحوه فراخوانی Stan از Julia
• 82. تفسیر خروجی Julia از Stan
• 83. مقایسه Stan با سایر نرم افزارهای آماری بیزی
• 84. JAGS
• 85. BUGS
• 86. PyMC3
• 87. Pyro
• 88. TensorFlow Probability
• 89. مزایای Stan نسبت به سایر نرم افزارها
• 90. معایب Stan نسبت به سایر نرم افزارها
• 91. ملاحظات مربوط به داده ها
• 92. پاکسازی داده ها
• 93. استانداردسازی داده ها
• 94. مدیریت داده های گمشده
• 95. اندازه مجموعه داده
• 96. پیچیدگی محاسباتی
• 97. ملاحظات مربوط به منابع محاسباتی
• 98. حافظه RAM
• 99. قدرت پردازش CPU
• 100. زمان اجرای مدل