کتاب صوتی تکنیک‌های ارزیابی مدل با Stan

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تکنیک‌های ارزیابی مدل با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مبانی مدل‌سازی آماری در Stan
• 2. مقدمه‌ای بر زبان برنامه‌نویسی Stan
• 3. نصب و راه‌اندازی Stan
• 4. ساختار کلی مدل‌های احتمالاتی
• 5. معرفی توزیع‌های احتمالاتی رایج
• 6. نمونه‌گیری از توزیع‌های مشخص
• 7. مفاهیم اولیه استنتاج بیزی
• 8. ماتریس کوواریانس و مدل‌های خطی
• 9. مدل‌های رگرسیون خطی ساده
• 10. مدل‌های رگرسیون خطی چندگانه
• 11. مدل‌های رگرسیون با اثرات ثابت
• 12. مدل‌های رگرسیون با اثرات تصادفی
• 13. مدل‌های سلسله‌مراتبی و چندسطحی
• 14. مقدمه‌ای بر زنجیره‌های مارکوف مونت کارلو (MCMC)
• 15. الگوریتم Gibbs Sampling
• 16. الگوریتم Hamiltonian Monte Carlo (HMC)
• 17. الگوریتم No-U-Turn Sampler (NUTS)
• 18. ارزیابی کیفیت نمونه‌ها
• 19. تشخیص همگرایی زنجیره‌ها
• 20. معیارهای ارزیابی همگرایی (R-hat)
• 21. نمودارهای Trace و Autocorrelation
• 22. مدل‌سازی داده‌های شمارشی
• 23. مدل‌های رگرسیون لجستیک
• 24. مدل‌های رگرسیون پواسون
• 25. مدل‌سازی داده‌های پیوسته
• 26. مدل‌های خطی تعمیم‌یافته (GLM)
• 27. مدل‌های خطی تعمیم‌یافته در Stan
• 28. مدل‌سازی داده‌های سری زمانی
• 29. مدل‌های ARIMA در Stan
• 30. مدل‌های حالت فضا در Stan
• 31. مدل‌سازی داده‌های مکانی
• 32. مدل‌های مکانی ساده
• 33. مدل‌های مکانی سلسله‌مراتبی
• 34. مقدمه‌ای بر نظریه شبکه‌های بیزی
• 35. ساخت شبکه‌های بیزی در Stan
• 36. استنتاج در شبکه‌های بیزی
• 37. مدل‌سازی داده‌های گرافی
• 38. مدل‌های گرافیکی در Stan
• 39. مدل‌سازی داده‌های خوشه‌ای
• 40. الگوریتم‌های خوشه‌بندی در Stan
• 41. مدل‌سازی داده‌های طبقه‌بندی
• 42. مدل‌های طبقه‌بندی بیزی
• 43. مدل‌سازی داده‌های بقا
• 44. مدل‌های بقا در Stan
• 45. مقدمه‌ای بر روش‌های بیزین تطبیقی
• 46. مدل‌های بیزین تطبیقی با Stan
• 47. مدل‌سازی داده‌های پویا
• 48. مدل‌های پویای احتمالاتی
• 49. مدل‌سازی داده‌های گمشده
• 50. روش‌های imputation در Stan
• 51. مدل‌سازی داده‌های بزرگ
• 52. بهینه‌سازی مدل‌ها در Stan
• 53. ارزیابی پیش‌بینی مدل
• 54. اعتبار سنجی متقابل (Cross-validation)
• 55. مدل‌سازی پیشرفته با Stan
• 56. مدل‌سازی آماری برای علوم اجتماعی
• 57. مدل‌سازی آماری برای اقتصاد
• 58. مدل‌سازی آماری برای علوم زیستی
• 59. مدل‌سازی آماری برای مهندسی
• 60. مقدمه‌ای بر روش‌های بیزین محاسباتی
• 61. تکنیک‌های نمونه‌گیری پیشرفته
• 62. بهینه‌سازی پارامترهای مدل
• 63. مدل‌سازی عدم قطعیت
• 64. مدل‌سازی با اثرات متقابل
• 65. مدل‌سازی داده‌های با توزیع‌های نامتعارف
• 66. مدل‌سازی غیرخطی در Stan
• 67. مدل‌سازی با ترکیب مدل‌ها
• 68. مدل‌سازی با داده‌های پرت
• 69. مدل‌سازی با متغیرهای پنهان
• 70. مدل‌سازی با عوامل اکتشافی
• 71. مدل‌سازی با فاکتورهای پنهان (Latent Factors)
• 72. مدل‌سازی با معادلات ساختاری
• 73. مدل‌سازی با مدل‌های خطی مختلط
• 74. مدل‌سازی با مدل‌های رگرسیون کوانتایل
• 75. مدل‌سازی با مدل‌های پیش‌بینی کننده
• 76. مدل‌سازی با مدل‌های غیرپارامتری
• 77. مدل‌سازی با شبکه‌های عصبی بیزی
• 78. مدل‌سازی با مدل‌های یادگیری عمیق
• 79. مقدمه‌ای بر ارزیابی مدل با Stan
• 80. معیارهای ارزیابی مدل‌های بیزی
• 81. اعتبارسنجی مدل با داده‌های جدید
• 82. تحلیل حساسیت مدل
• 83. مقایسه مدل‌ها با معیارهای بیزی
• 84. مدل‌سازی و تفسیر نتایج
• 85. ارتباط نتایج مدل با فرضیات
• 86. استفاده از Stan برای تحقیقات علمی
• 87. کاربردهای عملی Stan
• 88. نکات پیشرفته در برنامه‌نویسی Stan
• 89. اشکال‌زدایی مدل‌های Stan
• 90. بهینه‌سازی کد Stan
• 91. مستندسازی مدل‌های Stan
• 92. اشتراک‌گذاری مدل‌های Stan
• 93. مقدمه‌ای بر ابزارهای کمکی Stan
• 94. کار با داده‌های پیچیده در Stan
• 95. مدل‌سازی داده‌های پانل
• 96. مدل‌سازی داده‌های مختلط
• 97. مدل‌سازی داده‌های ترتیبی
• 98. مدل‌سازی داده‌های زمانی-مکانی
• 99. مدل‌سازی با استفاده از آگاهی پیشین
• 100. مدل‌سازی با داده‌های ناقص