فلش‌کارت‌های آموزشی کاربرد MCMC با Stan در مسائل کاربردی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربرد MCMC با Stan در مسائل کاربردی

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر روش‌های نمونه‌گیری آماری
• 2. مبانی احتمال و آمار استنباطی
• 3. مدل‌های آماری خطی و تعمیم‌یافته
• 4. مفاهیم پایه زنجیره‌های مارکوف
• 5. فرآیندهای تصادفی و کاربردهای آن‌ها
• 6. شباهت و درست‌نمایی در مدل‌سازی
• 7. روش‌های برآورد پارامترها
• 8. مقدمه‌ای بر استنتاج بیزی
• 9. قضیه بیز و توزیع پسین
• 10. توزیع‌های پیشین و پسین
• 11. روش‌های تحلیلی در استنتاج بیزی
• 12. محدودیت‌های روش‌های تحلیلی
• 13. نیاز به روش‌های عددی در استنتاج بیزی
• 14. مقدمه‌ای بر روش‌های مونت کارلو
• 15. شبیه‌سازی مونت کارلو
• 16. روش‌های نمونه‌گیری از توزیع‌های پیچیده
• 17. مقدمه‌ای بر MCMC
• 18. ایده اصلی الگوریتم‌های MCMC
• 19. الگوریتم متروپلیس-هستینگز
• 20. مراحل الگوریتم متروپلیس-هستینگز
• 21. نکات پیاده‌سازی متروپلیس-هستینگز
• 22. الگوریتم نمونه‌گیری گیبس (Gibbs Sampling)
• 23. مراحل الگوریتم نمونه‌گیری گیبس
• 24. مزایا و معایب نمونه‌گیری گیبس
• 25. مقایسه متروپلیس-هستینگز و نمونه‌گیری گیبس
• 26. مقدمه‌ای بر نرم‌افزار Stan
• 27. فلسفه طراحی Stan
• 28. زبان برنامه‌نویسی Stan
• 29. ساختار مدل در Stan
• 30. تعریف متغیرها و پارامترها در Stan
• 31. تعریف تابع درست‌نمایی در Stan
• 32. تعریف توزیع پیشین در Stan
• 33. تعریف توزیع پسین در Stan
• 34. انواع الگوریتم‌های MCMC در Stan
• 35. تنظیمات MCMC در Stan
• 36. بررسی همگرایی در Stan
• 37. معیارهای بررسی همگرایی
• 38. روش‌های بصری بررسی همگرایی
• 39. روش‌های کمی بررسی همگرایی
• 40. تشخیص و رفع مشکلات همگرایی
• 41. بهینه‌سازی مدل‌ها با Stan
• 42. مدل‌های آماری در Stan
• 43. مدل‌های خطی و تعمیم‌یافته با Stan
• 44. مدل‌های سلسله‌مراتبی با Stan
• 45. مدل‌های فضایی با Stan
• 46. مدل‌های سری زمانی با Stan
• 47. مدل‌های رگرسیون با Stan
• 48. مدل‌های طبقه‌بندی با Stan
• 49. مدل‌های بقا با Stan
• 50. کاربرد MCMC در مسائل اقتصادی
• 51. مدل‌سازی ریسک اعتباری با Stan
• 52. مدل‌سازی سبد سهام با Stan
• 53. پیش‌بینی بازده سهام با Stan
• 54. مدل‌سازی اقتصادسنجی با Stan
• 55. تحلیل داده‌های کلان اقتصادی با Stan
• 56. کاربرد MCMC در مسائل زیست‌محیطی
• 57. مدل‌سازی آلودگی هوا با Stan
• 58. مدل‌سازی تغییرات اقلیمی با Stan
• 59. تحلیل داده‌های زیست‌محیطی با Stan
• 60. مدل‌سازی انتشار آلاینده‌ها با Stan
• 61. کاربرد MCMC در علوم اجتماعی
• 62. تحلیل داده‌های پیمایشی با Stan
• 63. مدل‌سازی رفتار رای‌دهندگان با Stan
• 64. تحلیل شبکه‌های اجتماعی با Stan
• 65. مدل‌سازی رضایت شغلی با Stan
• 66. کاربرد MCMC در علوم پزشکی
• 67. مدل‌سازی اثربخشی داروها با Stan
• 68. تحلیل داده‌های بالینی با Stan
• 69. مدل‌سازی اپیدمی‌ها با Stan
• 70. پیش‌بینی شیوع بیماری‌ها با Stan
• 71. مدل‌سازی علل بیماری‌ها با Stan
• 72. کاربرد MCMC در مهندسی
• 73. تحلیل قابلیت اطمینان با Stan
• 74. مدل‌سازی پدیده‌های تصادفی در مهندسی
• 75. بهینه‌سازی پارامترهای سیستم با Stan
• 76. تحلیل داده‌های حسگر با Stan
• 77. کاربرد MCMC در علوم کامپیوتر
• 78. یادگیری ماشین بیزی با Stan
• 79. تشخیص ناهنجاری با Stan
• 80. سیستم‌های توصیه‌گر با Stan
• 81. مدل‌سازی زبان طبیعی با Stan
• 82. مباحث پیشرفته در Stan
• 83. کاربرد Stan در یادگیری عمیق بیزی
• 84. تکنیک‌های نمونه‌گیری پیشرفته در Stan
• 85. ارزیابی مدل‌های بیزی پیچیده
• 86. مقایسه مدل‌های مختلف با Stan
• 87. بهینه‌سازی عملکرد Stan
• 88. مدیریت داده‌های بزرگ در Stan
• 89. ملاحظات اخلاقی در استفاده از مدل‌های آماری
• 90. اصول حاکم بر استفاده از داده‌ها
• 91. حفظ حریم خصوصی در تحلیل داده‌ها
• 92. شفافیت در مدل‌سازی آماری
• 93. مسئولیت‌پذیری در نتایج آماری
• 94. نتیجه‌گیری و چشم‌انداز آینده MCMC و Stan