فلش‌کارت‌های آموزشی تنظیمات پیشرفته for Sampling in Stan

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیمات پیشرفته for Sampling in Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمات تحلیل آماری در ایران
• 2. مبانی مدل‌سازی آماری
• 3. مفاهیم استنباط آماری
• 4. مقدمه‌ای بر نرم‌افزار Stan
• 5. نصب و راه‌اندازی Stan
• 6. آشنایی با زبان Stan
• 7. ساختار مدل‌های احتمالاتی
• 8. توزیع‌های احتمالاتی رایج
• 9. توزیع نرمال در Stan
• 10. توزیع گاما در Stan
• 11. توزیع بتا در Stan
• 12. توزیع پواسون در Stan
• 13. توزیع دوجمله‌ای در Stan
• 14. توزیع هیپربولیک در Stan
• 15. توزیع t استیودنت در Stan
• 16. توزیع کاشی در Stan
• 17. توزیع برنولی در Stan
• 18. توزیع نمایی در Stan
• 19. توزیع لجستیک در Stan
• 20. توزیع وایبول در Stan
• 21. توزیع گاما-گاما در Stan
• 22. مدل‌های خطی تعمیم‌یافته (GLM)
• 23. رگرسیون خطی در Stan
• 24. رگرسیون لجستیک در Stan
• 25. رگرسیون پواسون در Stan
• 26. مدل‌های سلسله‌مراتبی
• 27. مقدمه‌ای بر مدل‌های سلسله‌مراتبی
• 28. مدل‌های اثرات ثابت
• 29. مدل‌های اثرات تصادفی
• 30. مدل‌های اثرات مختلط
• 31. مدل‌های سلسله‌مراتبی مکانی
• 32. مدل‌های سلسله‌مراتبی زمانی
• 33. مدل‌های سلسله‌مراتبی گروه‌بندی شده
• 34. نمونه‌برداری از توزیع‌های پسین
• 35. مقدمه‌ای بر روش‌های MCMC
• 36. الگوریتم گیبس (Gibbs Sampling)
• 37. الگوریتم مارکوف چین مونت کارلو (MCMC)
• 38. روش‌های نمونه‌برداری مارکوف چین مونت کارلو
• 39. الگوریتم نمونه‌برداری از طریق رد (Rejection Sampling)
• 40. الگوریتم نمونه‌برداری از طریق نمونه‌گیری اهمیت (Importance Sampling)
• 41. الگوریتم نمونه‌برداری از طریق زنجیره مارکوف مونت کارلو
• 42. الگوریتم نمونه‌برداری از طریق تغییرات (Variational Inference)
• 43. تنظیمات نمونه‌برداری در Stan
• 44. پارامترهای MCMC
• 45. تشخیص همگرایی (Convergence Diagnostics)
• 46. شاخص‌های همگرایی MCMC
• 47. شاخص R-hat
• 48. نمودارهای Trace Plot
• 49. تحلیل خودهمبستگی (Autocorrelation)
• 50. مدیریت داده‌ها در Stan
• 51. اعتبارسنجی مدل
• 52. ارزیابی برازش مدل
• 53. شاخص AIC و BIC
• 54. خطای میانگین مربعات (MSE)
• 55. خطای میانگین قدر مطلق (MAE)
• 56. انتخاب بهترین مدل
• 57. مدل‌سازی پیش‌بینانه
• 58. پیش‌بینی با استفاده از Stan
• 59. تولید داده‌های شبیه‌سازی شده
• 60. تجزیه و تحلیل حساسیت
• 61. تحلیل عدم قطعیت
• 62. مدل‌سازی اقتصادسنجی در Stan
• 63. رگرسیون سری زمانی در Stan
• 64. مدل‌های ARIMA در Stan
• 65. مدل‌های GARCH در Stan
• 66. مدل‌سازی مالی در Stan
• 67. مدل‌سازی ریسک در Stan
• 68. مدل‌سازی بیمه در Stan
• 69. مدل‌سازی سلامت در Stan
• 70. مدل‌سازی رفتار مصرف‌کننده در Stan
• 71. مدل‌سازی پویایی جمعیت در Stan
• 72. مدل‌سازی محیط زیست در Stan
• 73. مدل‌سازی یادگیری ماشین در Stan
• 74. شبکه‌های عصبی در Stan
• 75. ماشین‌های بردار پشتیبان در Stan
• 76. درخت‌های تصمیم در Stan
• 77. جنگل‌های تصادفی در Stan
• 78. تقویت گرادیان در Stan
• 79. روش‌های کاهش ابعاد در Stan
• 80. تحلیل مولفه‌های اصلی (PCA)
• 81. تحلیل عامل (Factor Analysis)
• 82. تحلیل خوشه‌ای (Clustering)
• 83. پردازش زبان طبیعی در Stan
• 84. مدل‌سازی موضوعی (Topic Modeling)
• 85. مدل‌سازی زبان در Stan
• 86. کاربرد Stan در تحقیقات علمی
• 87. کاربرد Stan در علوم اجتماعی
• 88. کاربرد Stan در علوم زیستی
• 89. کاربرد Stan در مهندسی
• 90. کاربرد Stan در علوم داده
• 91. پیشرفت‌های اخیر در Stan
• 92. نکات پیشرفته در Stan
• 93. بهینه‌سازی کد Stan
• 94. بهبود کارایی MCMC
• 95. مدیریت مدل‌های پیچیده
• 96. نمونه‌برداری از توزیع‌های غیرمعمول
• 97. تکنیک‌های نمونه‌برداری پیشرفته
• 98. کاربرد Bayesian در ایران
• 99. چارچوب فقهی در مدل‌سازی آماری
• 100. مقررات بانک مرکزی در مدل‌سازی مالی