کتاب صوتی 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. مقدمه‌ای بر مدل‌سازی آماری بیزی
• 2. مفاهیم پایه احتمال و آمار
• 3. توزیع‌های احتمال گسسته و پیوسته
• 4. آمار استنباطی و برآورد پارامتر
• 5. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته
• 6. مبانی نرم‌افزار Stan
• 7. نصب و راه‌اندازی Stan
• 8. ساختار زبان Stan
• 9. نوشتن مدل‌های ساده در Stan
• 10. نمونه‌گیری از توزیع‌های پیشین
• 11. نمونه‌گیری از توزیع‌های پسین
• 12. انتخاب توزیع پیشین مناسب
• 13. توزیع‌های پیشین غیرمطلع و مطلع
• 14. توزیع‌های پیشین متمرکز و غیرمتمرکز
• 15. اهمیت انتخاب پیشین در مدل‌های بیزی
• 16. مقدمه‌ای بر نمونه‌گیری مارکوف زنجیره‌ای (MCMC)
• 17. الگوریتم گیبس (Gibbs Sampling)
• 18. الگوریتم هَستینگ-متروپولیس (Metropolis-Hastings)
• 19. الگوریتم نمونه‌گیری خودتنظیم (NUTS)
• 20. معیارهای همگرایی در MCMC
• 21. تشخیص همگرایی با استفاده از R-hat
• 22. تشخیص همگرایی با استفاده از Trace Plots
• 23. تشخیص همگرایی با استفاده از Autocorrelation Plots
• 24. تنظیمات پیشرفته برای نمونه‌گیری در Stan
• 25. پارامترهای الگوریتم NUTS
• 26. تنظیم تعداد مراحل نمونه‌گیری (stepsize)
• 27. تنظیم حداکثر تعداد پرتاب‌ها (max_treedepth)
• 28. تنظیمات مربوط به Warmup (burn-in)
• 29. تنظیم تعداد تکرارهای Warmup
• 30. تنظیمات مربوط به Sampling
• 31. تنظیم تعداد تکرارهای Sampling
• 32. تنظیمات مربوط به کنترل کیفیت نمونه‌گیری
• 33. استفاده از کنترل‌کننده‌های جریان (divergences)
• 34. مدیریت خطاهای نمونه‌گیری
• 35. تکنیک‌های کاهش همبستگی بین متغیرها
• 36. استفاده از پارامترهای مجاز (constraints)
• 37. بازسازی پارامترهای اصلی از پارامترهای مجاز
• 38. نمونه‌گیری از توزیع‌های چندمتغیره
• 39. توزیع نرمال چندمتغیره
• 40. توزیع t چندمتغیره
• 41. توزیع کای‌دو چندمتغیره
• 42. مدل‌سازی رگرسیون خطی بیزی
• 43. مدل‌سازی رگرسیون لجستیک بیزی
• 44. مدل‌سازی رگرسیون پواسون بیزی
• 45. مدل‌سازی رگرسیون تاخیردار بیزی
• 46. مدل‌سازی سری‌های زمانی بیزی
• 47. مدل‌های ARIMA بیزی
• 48. مدل‌های حالت‌گذر بیزی
• 49. مدل‌سازی داده‌های سلسله‌مراتبی (Hierarchical Models)
• 50. مدل‌های اثرات تصادفی (Random Effects Models)
• 51. مدل‌های اثرات ثابت (Fixed Effects Models)
• 52. مدل‌های اثرات مختلط (Mixed Effects Models)
• 53. مدل‌سازی داده‌های مکانی
• 54. مدل‌سازی داده‌های شبکه‌ای
• 55. مدل‌سازی داده‌های گرافی
• 56. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته بیزی
• 57. انتخاب تابع پیوند (Link Function)
• 58. انتخاب تابع توزیع خطای پسین
• 59. مدل‌سازی داده‌های با توزیع بتا
• 60. مدل‌سازی داده‌های با توزیع گاما
• 61. مدل‌سازی داده‌های با توزیع بتا-دوجمله‌ای
• 62. بهینه‌سازی کد Stan
• 63. تکنیک‌های پیشرفته برنامه‌نویسی در Stan
• 64. استفاده از بلوک‌های `generated quantities`
• 65. استفاده از بلوک‌های `functions`
• 66. استفاده از بلوک‌های `parameters` و `transformed parameters`
• 67. اعتبارسنجی مدل‌های بیزی
• 68. اعتبارسنجی متقابل (Cross-validation)
• 69. اعتبارسنجی با استفاده از داده‌های جدید
• 70. بررسی برازش مدل (Model Fit)
• 71. نمودارهای P-P و Q-Q
• 72. نمودارهای باقی‌مانده (Residual Plots)
• 73. استفاده از اطلاعات آگاهی (Information Criteria)
• 74. معیار اطلاعات آکائیکه (AIC)
• 75. معیار اطلاعات بیزی (BIC)
• 76. معیار اطلاعات پسین (DIC)
• 77. مقایسه مدل‌های بیزی
• 78. انتخاب مدل با استفاده از معیارهای مقایسه‌ای
• 79. تفسیر نتایج مدل‌های بیزی
• 80. گزارش‌دهی نتایج مدل‌های بیزی
• 81. تصویرسازی نتایج مدل‌های بیزی
• 82. کاربرد Stan در تحقیقات علمی
• 83. کاربرد در علوم اجتماعی
• 84. کاربرد در علوم پزشکی
• 85. کاربرد در علوم اقتصادی
• 86. کاربرد در علوم مهندسی
• 87. نکات تکمیلی و پیشرفته در Stan
• 88. استفاده از Stan با زبان‌های برنامه‌نویسی دیگر (R, Python)
• 89. اتصال Stan به ابزارهای بصری‌سازی
• 90. حل مسائل پیچیده در مدل‌سازی آماری بیزی
• 91. مروری بر آخرین تحولات در Stan
• 92. مباحث پیشرفته در نمونه‌گیری MCMC
• 93. مدل‌سازی پیش‌بینی‌کننده در Stan
• 94. مدل‌سازی علت و معلولی در Stan
• 95. کاربرد در تحلیل بقا
• 96. کاربرد در تحلیل داده‌های گمشده
• 97. بهبود کارایی در مدل‌های بزرگ
• 98. مدیریت حافظه در Stan
• 99. بهینه‌سازی محاسبات در Stan
• 100. کدنویسی تمیز و قابل نگهداری در Stan