کتاب صوتی راهنمای جامع برای MCMC با Stan

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای جامع برای MCMC با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر شبیه‌سازی مونت کارلو زنجیره مارکوف (MCMC)
• 2. مفاهیم پایه احتمال و آمار
• 3. توزیع‌های احتمالی گسسته و پیوسته
• 4. انتگرال‌گیری عددی و روش‌های تقریب
• 5. مفاهیم بسط تیلور و سری‌های فوریه
• 6. شباهت‌سازی توزیع‌های پیچیده
• 7. مقدمه ای بر زبان برنامه نویسی Stan
• 8. نصب و پیکربندی Stan
• 9. سینتکس پایه Stan
• 10. انواع داده در Stan
• 11. دستورات شرطی و حلقه‌ها در Stan
• 12. توابع سفارشی در Stan
• 13. مفاهیم مدل‌سازی آماری
• 14. مدل‌های خطی و رگرسیون
• 15. مدل‌های خطی تعمیم‌یافته (GLM)
• 16. مقدمه‌ای بر استنباط بیزی
• 17. قضیه بیز و تفسیر آن
• 18. توزیع پیشین و پسین
• 19. بسترهای آماری بیزی
• 20. مقدمه‌ای بر الگوریتم‌های MCMC
• 21. Metropolis-Hastings
• 22. Gibbs Sampling
• 23. انواع زنجیره‌های مارکوف
• 24. همگرایی و تشخیص همگرایی در MCMC
• 25. معیارهای ارزیابی همگرایی
• 26. R-hat و Trace Plots
• 27. Autocorrelation Function (ACF)
• 28. Effective Sample Size (ESS)
• 29. تنظیم پارامترهای MCMC
• 30. Cooling Schedule و Annealing
• 31. Adaptive MCMC
• 32. Hamiltonian Monte Carlo (HMC)
• 33. No-U-Turn Sampler (NUTS)
• 34. مزایا و معایب HMC
• 35. پیاده‌سازی مدل‌های ساده در Stan
• 36. رگرسیون خطی بیزی در Stan
• 37. رگرسیون لجستیک بیزی در Stan
• 38. مدل‌های سلسله مراتبی در Stan
• 39. پیاده‌سازی مدل‌های سلسله مراتبی
• 40. مدل‌های خطی تعمیم‌یافته بیزی در Stan
• 41. مدل‌های سری زمانی در Stan
• 42. مدل‌های فضایی در Stan
• 43. مدل‌های بقا در Stan
• 44. مدل‌های خوشه‌بندی در Stan
• 45. مدل‌های شبکه در Stan
• 46. مدل‌های یادگیری ماشین بیزی
• 47. رگرسیون کرنل بیزی
• 48. ماشین‌های بردار پشتیبان بیزی
• 49. شبکه‌های عصبی بیزی
• 50. مدل‌های گرافیکی بیزی
• 51. کاربرد MCMC در علوم زیستی
• 52. کاربرد MCMC در اقتصاد
• 53. کاربرد MCMC در علوم اجتماعی
• 54. کاربرد MCMC در مهندسی
• 55. کاربرد MCMC در علوم داده
• 56. مقدمه‌ای بر بهینه‌سازی بیزی
• 57. بهینه‌سازی پارامترهای مدل
• 58. بهینه‌سازی مدل‌های یادگیری ماشین
• 59. روش‌های پیشرفته در Stan
• 60. تکنیک‌های بهینه‌سازی در Stan
• 61. چندریسمانی (Parallelization) در Stan
• 62. استفاده از Stan با R
• 63. استفاده از Stan با Python
• 64. استفاده از Stan با Julia
• 65. دیباگ کردن مدل‌های Stan
• 66. عیب‌یابی خطاهای رایج در Stan
• 67. بهبود کارایی مدل‌های Stan
• 68. آزمایش‌های A/B در چارچوب بیزی
• 69. مدل‌سازی عدم قطعیت در نتایج
• 70. ارزیابی مدل‌های بیزی
• 71. مقایسه مدل‌های بیزی
• 72. انتخاب مدل بر اساس معیارهای بیزی
• 73. کاربرد Bayesian Data Analysis
• 74. مقدمه‌ای بر استنباط علی (Causal Inference)
• 75. مدل‌سازی علی با MCMC
• 76. کاربرد MCMC در تحلیل داده‌های بزرگ
• 77. معرفی ابزارهای مرتبط با MCMC
• 78. مفاهیم پیشرفته MCMC
• 79. تصمیم‌گیری در شرایط عدم قطعیت
• 80. روش‌های شبیه‌سازی پیشرفته
• 81. انتقال یادگیری بیزی
• 82. معرفی کتابخانه‌های مرتبط با Stan
• 83. نکات پیشرفته در برنامه‌نویسی Stan
• 84. تکنیک‌های مدیریت حافظه در Stan
• 85. بهینه‌سازی محاسباتی در Stan
• 86. کاربرد MCMC در پردازش زبان طبیعی
• 87. کاربرد MCMC در بینایی ماشین
• 88. مدل‌سازی اقتصادسنجی بیزی
• 89. تحلیل سری‌های زمانی مالی با MCMC
• 90. مدل‌سازی ریسک اعتباری با MCMC
• 91. تحلیل حساسیت در مدل‌های بیزی
• 92. ارزیابی اعتبار مدل‌های بیزی
• 93. مقدمه‌ای بر یادگیری تقویتی بیزی