فلش‌کارت‌های آموزشی راهنمای جامع for MCMC Setup in Stan

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای جامع for MCMC Setup in Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی آماری و استنتاج بیزی
• 2. مفاهیم اساسی احتمال و آمار
• 3. نظریه استنتاج بیزی
• 4. مقدمه ای بر زبان برنامه نویسی Stan
• 5. نصب و پیکربندی Stan
• 6. سینتکس پایه Stan
• 7. ساخت مدل های بیزی ساده در Stan
• 8. انواع توزیع های احتمال در Stan
• 9. توزیع های پیشین و پسین
• 10. روش های نمونه برداری در Stan
• 11. معرفی الگوریتم های زنجیره مارکوف مونت کارلو (MCMC)
• 12. الگوریتم Metropolis-Hastings
• 13. الگوریتم نمونه برداری گیبس
• 14. معرفی الگوریتم نمونه برداری زنجیره ای (NUTS)
• 15. اجرای NUTS در Stan
• 16. تشخیص همگرایی زنجیره ها
• 17. معیارهای همگرایی MCMC
• 18. تحلیل پس از همگرایی
• 19. بررسی کیفیت نمونه ها
• 20. روش های بصری سازی نتایج MCMC
• 21. مدل های خطی در Stan
• 22. مدل های رگرسیون خطی بیزی
• 23. مدل های رگرسیون لجستیک بیزی
• 24. مدل های چند سطحی و سلسله مراتبی
• 25. مدل های اثرات ثابت و تصادفی
• 26. پیاده سازی مدل های سلسله مراتبی در Stan
• 27. مدل های سری زمانی در Stan
• 28. مدل های ARIMA بیزی
• 29. مدل های حالت-فضا در Stan
• 30. مدل های فضایی در Stan
• 31. مدل های مدل سازی داده های فضایی
• 32. مدل های پواسون و رگرسیون پواسون
• 33. مدل های رگرسیون ناپارامتریک
• 34. مدل های شبکه های بیزی
• 35. مدل های پنهان مارکوف
• 36. مقدمه ای بر مدل های آماری پیشرفته
• 37. مدل های گوسی فرآیند
• 38. مدل های یادگیری ماشین بیزی
• 39. مقدمه ای بر بهینه سازی در Stan
• 40. تابع احتمال شرطی در Stan
• 41. محاسبه احتمال حاشیه ای
• 42. استفاده از مشتقات در Stan
• 43. بهینه سازی بر اساس گرادیان
• 44. بهینه سازی با استفاده از روش های عددی
• 45. کاربرد Stan در علوم زیستی
• 46. مدل سازی داده های ژنومیک
• 47. مدل سازی داده های بالینی
• 48. کاربرد Stan در علوم اقتصادی
• 49. مدل سازی ریسک مالی
• 50. مدل های اقتصاد سنجی بیزی
• 51. کاربرد Stan در علوم اجتماعی
• 52. مدل سازی رفتار رای دهندگان
• 53. مدل سازی داده های پیمایشی
• 54. کاربرد Stan در علوم محیطی
• 55. مدل سازی آلودگی هوا
• 56. مدل سازی تغییرات اقلیمی
• 57. کاربرد Stan در علوم مهندسی
• 58. مدل سازی قابلیت اطمینان سیستم ها
• 59. مدل سازی داده های حسگر
• 60. اشکال زدایی مدل های Stan
• 61. بهبود عملکرد مدل های Stan
• 62. نوشتن کد Stan خوانا و قابل نگهداری
• 63. مستندسازی مدل های Stan
• 64. روش های پیشرفته نمونه برداری
• 65. نمونه برداری اهمیت
• 66. روش های MCMC ترکیبی
• 67. مدل های آماری بیزی پیچیده
• 68. مدل های استنتاج آماری در مسائل پیچیده
• 69. مدل های پیش بینی آماری
• 70. تحلیل حساسیت مدل
• 71. ارزیابی پیش بینی
• 72. استنتاج بیزی در حضور داده های گمشده
• 73. مدل سازی عدم قطعیت
• 74. مدل های پویای بیزی
• 75. کاربرد Stan در داده کاوی
• 76. خوشه بندی بیزی
• 77. تشخیص ناهنجاری بیزی
• 78. مدل های طبقه بندی بیزی
• 79. مدل های رگرسیون غیرخطی بیزی
• 80. استفاده از Stan در محاسبات توزیع شده
• 81. فریمورک های محاسباتی برای Stan
• 82. بهینه سازی الگوریتم های MCMC
• 83. مدل های آماری برای داده های حجیم
• 84. مقایسه مدل های بیزی مختلف
• 85. ارزیابی مدل بر اساس معیارهای اطلاعاتی
• 86. مدل سازی مبتنی بر شبیه سازی
• 87. اهمیت تحلیل های حساسیت در مدل های بیزی
• 88. مدل های استنتاج بیزی برای مسائل اندازه گیری تکراری
• 89. مدل های بیزی برای داده های متنی
• 90. مدل های بیزی برای داده های تصویری
• 91. استنتاج بیزی در علوم اعصاب
• 92. مدل های آماری برای تحلیل داده های EEG/MEG
• 93. مدل های بیزی در تصویربرداری عصبی
• 94. مدل های آماری برای پیش بینی بیماری ها
• 95. مدل های بیزی در اپیدمیولوژی
• 96. مدل های آماری برای تحلیل داده های شبکه های اجتماعی
• 97. استنتاج بیزی برای مسائل زمان واقعی
• 98. مدل های آماری برای سیستم های توصیه گر
• 99. مدل های بیزی در رباتیک
• 100. مدل های آماری برای کنترل کیفیت