کتاب صوتی راهنمای جامع زبان مدل‌سازی Stan برای MCMC

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای جامع زبان مدل‌سازی Stan برای MCMC

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

موضوع میانی: زبان مدل‌سازی Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی آماری با Stan
• 2. نصب و راه‌اندازی Stan
• 3. مبانی زبان Stan: متغیرها، توابع و ساختار داده‌ها
• 4. مقدمه‌ای بر نمونه‌گیری زنجیره مارکوف مونت کارلو (MCMC)
• 5. فرآیند گام به گام MCMC
• 6. معرفی مدل‌های خطی عمومی در Stan
• 7. مدل‌های رگرسیون خطی با Stan
• 8. مدل‌های رگرسیون لجستیک با Stan
• 9. مدل‌های رگرسیون پواسون با Stan
• 10. مدل‌های اثرات مختلط (Mixed Effects Models)
• 11. مدل‌های رگرسیون سلسله مراتبی
• 12. طراحی مدل‌های سلسله مراتبی در Stan
• 13. نمونه‌گیری از مدل‌های سلسله مراتبی
• 14. ارزیابی همگرایی زنجیره‌ها در MCMC
• 15. معیارهای همگرایی: R-hat و Trace Plots
• 16. تحلیل پسین (Posterior Analysis)
• 17. تفسیر نتایج MCMC
• 18. اعتبارسنجی مدل با داده‌های شبیه‌سازی شده
• 19. حساسیت مدل به فرضیات
• 20. مدل‌سازی سری زمانی با Stan
• 21. مدل‌های ARIMA با Stan
• 22. مدل‌های حالت‌گذر (State-Space Models)
• 23. مدل‌سازی داده‌های فضایی با Stan
• 24. مقدمه‌ای بر مدل‌های استنباطی بیزی
• 25. مفاهیم احتمال شرطی و قانون بیز
• 26. انتخاب پیشین‌های مناسب (Priors)
• 27. انواع پیشین‌ها: نامعلومه، با اطلاعات و منظم
• 28. مدل‌سازی بیزی برای مسائل پیچیده
• 29. معرفی مدل‌های گرافیکی احتمالی
• 30. مدل‌سازی شبکه‌های بیزی با Stan
• 31. استفاده از Stan برای مدل‌های گرافیکی
• 32. مدل‌سازی داده‌های تابعی با Stan
• 33. مدل‌سازی داده‌های بقا با Stan
• 34. مدل‌سازی داده‌های خوشه‌ای با Stan
• 35. مدل‌سازی مدل‌های پنهان مارکوف (HMM)
• 36. انطباق مدل‌های آماری با داده‌ها
• 37. انتخاب بهترین مدل با معیارهای اطلاعاتی
• 38. معیارهای AIC، BIC و WAIC
• 39. روش‌های اعتبارسنجی متقابل (Cross-Validation)
• 40. مدل‌سازی بیزی برای داده‌های گسسته
• 41. مدل‌سازی بیزی برای داده‌های پیوسته
• 42. مدل‌سازی بیزی برای داده‌های ترتیبی
• 43. مدل‌سازی بیزی برای داده‌های طبقه‌بندی
• 44. بهینه‌سازی مدل‌های MCMC
• 45. تنظیم پارامترهای نمونه‌گیری
• 46. استفاده از الگوریتم‌های نمونه‌گیری پیشرفته
• 47. نمونه‌گیری با اهمیت (Importance Sampling)
• 48. تکنیک‌های نمونه‌گیری مونت کارلو
• 49. کاربرد Stan در علوم زیستی
• 50. مدل‌سازی آماری در زیست‌شناسی مولکولی
• 51. مدل‌سازی بیزی در ژنتیک جمعیت
• 52. کاربرد Stan در علوم اجتماعی
• 53. مدل‌سازی رفتار مصرف‌کننده
• 54. تحلیل داده‌های پیمایشی با Stan
• 55. کاربرد Stan در اقتصاد
• 56. مدل‌سازی پیش‌بینی اقتصادی
• 57. تحلیل سری‌های زمانی مالی
• 58. کاربرد Stan در علوم مهندسی
• 59. مدل‌سازی قابلیت اطمینان
• 60. مدل‌سازی سیستم‌های پیچیده
• 61. کاربرد Stan در علوم کامپیوتر
• 62. یادگیری ماشین بیزی
• 63. مدل‌سازی آماری در شبکه‌های عصبی
• 64. بهینه‌سازی مدل‌های یادگیری عمیق
• 65. مقدمه‌ای بر روش‌های بیزی برای یادگیری ماشین
• 66. مدل‌سازی بیزی برای دسته‌بندی
• 67. مدل‌سازی بیزی برای رگرسیون
• 68. مدل‌سازی بیزی برای خوشه‌بندی
• 69. مدل‌سازی بیزی برای کاهش ابعاد
• 70. روش‌های نمونه‌گیری برای مدل‌های پیچیده
• 71. استفاده از Stan برای داده‌های بزرگ
• 72. مدل‌سازی آماری در زمان واقعی
• 73. بهینه‌سازی الگوریتم‌های MCMC
• 74. تکنیک‌های موازی‌سازی در Stan
• 75. مدیریت حافظه در مدل‌های بزرگ
• 76. اعتبارسنجی مدل‌های پیش‌بینی
• 77. ارزیابی دقت پیش‌بینی
• 78. تحلیل عدم قطعیت در پیش‌بینی‌ها
• 79. کاربرد Stan در داده‌های غیرمتعارف
• 80. مدل‌سازی داده‌های پراکنده (Sparse Data)
• 81. مدل‌سازی داده‌های پرت (Outlier Data)
• 82. مدل‌سازی داده‌های ترکیبی
• 83. مقدمه‌ای بر مدل‌های بیزی پیشرفته
• 84. روش‌های MCMC برای مدل‌های غیرقابل دسترس
• 85. استفاده از Stan برای مدل‌های غیرخطی
• 86. مدل‌سازی بیزی برای توابع چگالی کرنل
• 87. مدل‌سازی بیزی برای مدل‌های انتخاب گسسته
• 88. مدل‌سازی بیزی برای مدل‌های انتخاب پیوسته
• 89. مدل‌سازی بیزی برای مدل‌های انتخاب ترتیبی
• 90. مدل‌سازی بیزی برای مدل‌های انتخاب دودویی
• 91. مدل‌سازی بیزی برای مدل‌های انتخاب چندوجهی
• 92. مدل‌سازی بیزی برای مدل‌های انتخاب گسسته-پیوسته
• 93. مدل‌سازی بیزی برای مدل‌های انتخاب فضایی
• 94. مدل‌سازی بیزی برای مدل‌های انتخاب زمانی
• 95. مدل‌سازی بیزی برای مدل‌های انتخاب سلسله مراتبی
• 96. مدل‌سازی بیزی برای مدل‌های انتخاب مختلط
• 97. مدل‌سازی بیزی برای مدل‌های انتخاب پیچیده
• 98. کاربرد Stan در تفسیر نتایج مدل
• 99. ارائه نتایج مدل به ذینفعان
• 100. توصیه‌های مبتنی بر نتایج مدل