کتاب صوتی تکنیک‌های اعتبارسنجی مدل‌های بیزی در Stan

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تکنیک‌های اعتبارسنجی مدل‌های بیزی در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌های بیزی و اهمیت اعتبارسنجی
• 2. مفاهیم پایه احتمال و آمار در مدل‌های بیزی
• 3. انتشار توزیع‌ها و قضایای کلیدی بیزی
• 4. مقدمه‌ای بر زبان برنامه‌نویسی Stan
• 5. نصب و راه‌اندازی Stan و ابزارهای مرتبط
• 6. ساختار پایه یک مدل Stan: داده‌ها، پارامترها، مدل
• 7. نوشتن مدل‌های ساده بیزی در Stan
• 8. شبیه‌سازی از توزیع پسین: مفاهیم و الگوریتم‌ها
• 9. مقدمه‌ای بر الگوریتم‌های MCMC: Metropolis-Hastings
• 10. الگوریتم نمونه‌گیری زنجیره مارکوف مونت کارلو در Stan
• 11. روش‌های نمونه‌گیری در Stan: NUTS
• 12. تشخیص همگرایی در MCMC: نمودارهایtrace و autocorrelation
• 13. معیارهای تشخیصی همگرایی: R-hat و ESS
• 14. اعتبارسنجی مدل‌های بیزی: چرا و چگونه؟
• 15. اعتبارسنجی پیش‌بینی: مقایسه پیش‌بینی با داده‌های مشاهده‌شده
• 16. اعتبارسنجی مدل: معیارهای برازش مدل
• 17. شاخص‌های اطلاعاتی: AIC، BIC و DIC
• 18. روش‌های اعتبارسنجی مبتنی بر شبیه‌سازی: Posterior Predictive Checks
• 19. تولید داده‌های شبیه‌سازی شده از مدل
• 20. مقایسه داده‌های شبیه‌سازی شده با داده‌های واقعی
• 21. اعتبارسنجی پارامترها: تحلیل حساسیت و عدم قطعیت
• 22. تحلیل حساسیت پارامترها در مدل‌های بیزی
• 23. ارزیابی تاثیر پارامترهای پیشین بر نتایج
• 24. اعتبارسنجی مدل‌های خطی بیزی
• 25. مدل‌های رگرسیون خطی ساده بیزی در Stan
• 26. اعتبارسنجی مدل‌های رگرسیون خطی چندگانه در Stan
• 27. اعتبارسنجی مدل‌های رگرسیون تعمیم‌یافته بیزی (GLM)
• 28. مدل‌های رگرسیون لجستیک بیزی در Stan
• 29. مدل‌های رگرسیون پواسون بیزی در Stan
• 30. اعتبارسنجی مدل‌های سری زمانی بیزی
• 31. مدل‌های ARIMA بیزی در Stan
• 32. اعتبارسنجی مدل‌های مدل‌های مارکوف پنهان (HMM)
• 33. مدل‌های HMM ساده در Stan
• 34. اعتبارسنجی مدل‌های سلسله مراتبی بیزی
• 35. مدل‌های سلسله مراتبی برای داده‌های گروهی در Stan
• 36. اعتبارسنجی مدل‌های سلسله مراتبی چند سطحی
• 37. مدل‌های سلسله مراتبی برای داده‌های طولی در Stan
• 38. استفاده از ابزارهای visualize و diagnostic در Stan
• 39. بصری‌سازی نتایج مدل‌های بیزی
• 40. تفسیر نمودارهای تشخیصی در Stan
• 41. اعتبارسنجی مدل‌های با استفاده از داده‌های ساختگی
• 42. ساخت داده‌های ساختگی برای اعتبارسنجی
• 43. ارزیابی عملکرد مدل بر روی داده‌های ساختگی
• 44. اعتبارسنجی مدل‌های با استفاده از تکنیک‌های Cross-Validation
• 45. اعتبارسنجی متقابل K-fold برای مدل‌های بیزی
• 46. اعتبارسنجی متقابل Leave-One-Out (LOO)
• 47. استفاده از loo package برای اعتبارسنجی
• 48. اعتبارسنجی مدل‌های با استفاده از روش‌های Bayesian Updating
• 49. به‌روزرسانی مدل با داده‌های جدید
• 50. مدل‌های بیزی پویا برای به‌روزرسانی مداوم
• 51. اعتبارسنجی مدل‌های سفارشی در Stan
• 52. نوشتن توابع اعتبارسنجی سفارشی در Stan
• 53. تست توابع اعتبارسنجی سفارشی
• 54. اعتبارسنجی مدل‌های پیچیده بیزی
• 55. مدل‌های شبکه‌های بیزی در Stan (مقدماتی)
• 56. اعتبارسنجی مدل‌های شبکه‌های بیزی (مقدماتی)
• 57. استفاده از Stan برای مدل‌سازی‌های پیشرفته
• 58. مدل‌سازی فضایی بیزی در Stan
• 59. اعتبارسنجی مدل‌های فضایی بیزی
• 60. مدل‌سازی رویدادهای نادر در Stan
• 61. اعتبارسنجی مدل‌های رویدادهای نادر
• 62. بهینه‌سازی کد Stan برای اعتبارسنجی سریع‌تر
• 63. تکنیک‌های پروفایل‌سازی کد Stan
• 64. بهبود عملکرد الگوریتم‌های MCMC در Stan
• 65. اعتبارسنجی مدل‌های در حضور داده‌های گم‌شده
• 66. مدل‌سازی داده‌های گم‌شده در Stan
• 67. اعتبارسنجی مدل‌ها با داده‌های گم‌شده
• 68. مقایسه رویکردهای مختلف اعتبارسنجی
• 69. مقایسه معیارهای DIC و LOO-CV
• 70. مقایسه روش‌های Cross-Validation و Posterior Predictive Checks
• 71. مطالعات موردی اعتبارسنجی مدل‌های بیزی
• 72. اعتبارسنجی مدل در حوزه علوم زیستی
• 73. اعتبارسنجی مدل در حوزه علوم اجتماعی
• 74. اعتبارسنجی مدل در حوزه مالی
• 75. اعتبارسنجی مدل در حوزه مهندسی
• 76. چالش‌ها و محدودیت‌های اعتبارسنجی مدل‌های بیزی
• 77. محدودیت‌های الگوریتم‌های MCMC
• 78. چالش‌های انتخاب پارامترهای پیشین مناسب
• 79. مسائل مربوط به تفسیر نتایج اعتبارسنجی
• 80. آینده اعتبارسنجی مدل‌های بیزی
• 81. توسعه ابزارها و روش‌های نوین اعتبارسنجی
• 82. نقش هوش مصنوعی در اعتبارسنجی مدل‌های بیزی
• 83. نکات پیشرفته در اعتبارسنجی مدل‌های بیزی
• 84. استفاده از Stan برای اعتبارسنجی مدل‌های غیرپارامتری
• 85. تکنیک‌های اعتبارسنجی برای مدل‌های بیزی با ابعاد بالا
• 86. اهمیت اعتبارسنجی در تصمیم‌گیری‌های مبتنی بر مدل
• 87. اعتبارسنجی مدل‌های بیزی برای پیش‌بینی‌های قابل اعتماد
• 88. تفسیر عدم قطعیت مدل‌های بیزی
• 89. کاربرد اعتبارسنجی در ارزیابی مدل‌های یادگیری ماشین بیزی
• 90. اعتبارسنجی مدل‌های بیزی در محیط‌های واقعی
• 91. نکات کلیدی برای اعتبارسنجی موفق مدل‌های بیزی
• 92. جمع‌بندی و مرور تکنیک‌های اعتبارسنجی
• 93. مرور چالش‌های رایج در اعتبارسنجی
• 94. راهنمایی برای انتخاب روش مناسب اعتبارسنجی
• 95. ملاحظات اخلاقی در استفاده از مدل‌های بیزی و اعتبارسنجی
• 96. تضمین کیفیت خروجی مدل‌های بیزی
• 97. ارتباط اعتبارسنجی با قابلیت اطمینان مدل
• 98. اعتبارسنجی مدل‌های بیزی برای تحقیقات علمی
• 99. اعتبارسنجی مدل‌های بیزی برای کاربردهای عملی
• 100. پرهیز از بیش‌برازش (Overfitting) با اعتبارسنجی