فلش‌کارت‌های آموزشی تکنیک‌های اعتبارسنجی مدل‌های آماری در Stan

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تکنیک‌های اعتبارسنجی مدل‌های آماری در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر اعتبارسنجی مدل‌های آماری
• 2. مبانی مدل‌سازی آماری در Stan
• 3. نصب و راه‌اندازی Stan
• 4. مفاهیم پایه مدل‌های احتمالاتی
• 5. توزیع‌های احتمالاتی در Stan
• 6. تابع درستنمایی و نحوه تعریف آن
• 7. مقدمه‌ای بر روش‌های بیزی
• 8. نظریه بیزی و قضیه بیز
• 9. به‌روزرسانی باورها با داده‌ها
• 10. مقدمه‌ای بر زنجیره‌های مارکوف مونت کارلو (MCMC)
• 11. الگوریتم گیبس سمپلینگ
• 12. الگوریتم متروپولیس-هستینگز
• 13. مقدمه‌ای بر نرم‌افزار R برای Stan
• 14. نوشتن مدل‌های ساده در Stan با R
• 15. اعتبارسنجی مدل‌های خطی ساده
• 16. اعتبارسنجی مدل‌های رگرسیون لجستیک
• 17. اعتبارسنجی مدل‌های سری زمانی ساده
• 18. مقدمه‌ای بر معیارهای اعتبارسنجی مدل
• 19. خطای میانگین مربعات (MSE)
• 20. خطای میانگین قدر مطلق (MAE)
• 21. شاخص R-squared
• 22. اعتبارسنجی متقابل (Cross-validation)
• 23. اعتبارسنجی K-fold
• 24. اعتبارسنجی حذف یک‌به‌یک (Leave-one-out)
• 25. اعتبارسنجی مبتنی بر بوت‌استرپ (Bootstrap)
• 26. مقدمه‌ای بر تشخیص مدل‌های بیش‌برازش (Overfitting)
• 27. تشخیص مدل‌های کم‌برازش (Underfitting)
• 28. بررسی باقی‌مانده‌ها (Residual Analysis)
• 29. نمودارهای باقی‌مانده‌ها
• 30. آزمون‌های نرمال بودن باقی‌مانده‌ها
• 31. آزمون‌های همگنی واریانس باقی‌مانده‌ها
• 32. نمودار Q-Q برای بررسی نرمال بودن
• 33. مقدمه‌ای بر اعتبارسنجی مدل‌های بیزی
• 34. بررسی همگرایی زنجیره‌ها در MCMC
• 35. نمودارهایtrace برای بررسی همگرایی
• 36. آماره‌های R-hat و G-hat
• 37. بررسی خودهمبستگی در زنجیره‌ها
• 38. نمودارهای خودهمبستگی (ACF)
• 39. تأثیر خودهمبستگی بر کارایی MCMC
• 40. تنظیم پارامترهای الگوریتم MCMC
• 41. تنظیم اندازه گام در متروپولیس-هستینگز
• 42. تنظیم تعداد تکرارها و burn-in
• 43. مقدمه‌ای بر اعتبارسنجی مدل‌های پیش‌گویانه
• 44. ارزیابی دقت پیش‌بینی
• 45. مقدمه‌ای بر معیارهای طبقه‌بندی
• 46. دقت (Accuracy)
• 47. صحت (Precision)
• 48. بازیابی (Recall)
• 49. امتیاز F1
• 50. مقدمه‌ای بر ماتریس درهم‌ریختگی (Confusion Matrix)
• 51. تحلیل ماتریس درهم‌ریختگی
• 52. منحنی ROC و مساحت زیر منحنی (AUC)
• 53. منحنی Precision-Recall
• 54. اعتبارسنجی مدل‌های مبتنی بر داده‌های طبقه‌بندی
• 55. اعتبارسنجی مدل‌های مبتنی بر داده‌های رگرسیون
• 56. اعتبارسنجی مدل‌های سلسله‌مراتبی
• 57. اعتبارسنجی مدل‌های فضایی
• 58. اعتبارسنجی مدل‌های شبکه‌ای
• 59. مقدمه‌ای بر اعتبارسنجی مدل‌های غیرپارامتری
• 60. اعتبارسنجی مدل‌های درخت تصمیم
• 61. اعتبارسنجی مدل‌های ماشین بردار پشتیبان (SVM)
• 62. اعتبارسنجی مدل‌های جنگل تصادفی (Random Forest)
• 63. اعتبارسنجی مدل‌های تقویت گرادیان (Gradient Boosting)
• 64. مقدمه‌ای بر اعتبارسنجی مدل‌های آماری پیشرفته
• 65. اعتبارسنجی مدل‌های گوسیایی فراگیر (Gaussian Processes)
• 66. اعتبارسنجی مدل‌های حالت پنهان (Hidden Markov Models)
• 67. اعتبارسنجی مدل‌های رگرسیون کوانتایل
• 68. مقدمه‌ای بر پایش مدل (Model Monitoring)
• 69. پایش عملکرد مدل در طول زمان
• 70. تشخیص انحراف داده‌ها (Data Drift)
• 71. تشخیص انحراف مدل (Model Drift)
• 72. استراتژی‌های بازآموزی مدل
• 73. اعتبارسنجی مدل‌ها در حضور داده‌های نامتعادل
• 74. تکنیک‌های نمونه‌برداری برای داده‌های نامتعادل
• 75. اعتبارسنجی مدل‌ها با استفاده از معیارهای مناسب
• 76. مقدمه‌ای بر اعتبارسنجی مدل‌های شرطی
• 77. اعتبارسنجی مدل‌های شرطی بر اساس زمان
• 78. اعتبارسنجی مدل‌های شرطی بر اساس گروه‌ها
• 79. مقدمه‌ای بر اعتبارسنجی مدل‌های بیزی پیشرفته
• 80. بررسی اعتبار پیش‌بینی بیزی
• 81. بررسی اعتبار پارامترهای بیزی
• 82. اعتبارسنجی مدل‌های مبتنی بر شبیه‌سازی
• 83. طراحی آزمایش برای اعتبارسنجی
• 84. انتخاب داده‌های اعتبارسنجی
• 85. ارزیابی نهایی مدل
• 86. مقدمه‌ای بر تفسیر مدل‌های اعتبارسنجی شده
• 87. مقدمه‌ای بر نقش خبرگان در اعتبارسنجی
• 88. مقدمه‌ای بر اصول اخلاقی در اعتبارسنجی مدل
• 89. مقدمه‌ای بر ابزارهای نرم‌افزاری برای اعتبارسنجی
• 90. کاربرد Stan در اعتبارسنجی مدل‌های پیچیده
• 91. کاربرد R در visualization نتایج اعتبارسنجی
• 92. مقدمه‌ای بر چالش‌های اعتبارسنجی مدل‌های آماری
• 93. مقدمه‌ای بر آینده اعتبارسنجی مدل‌های آماری
• 94. تمرین عملی اعتبارسنجی مدل‌های آماری در Stan
• 95. پروژه نهایی اعتبارسنجی مدل آماری