کتاب صوتی تکنیک‌های اعتبارسنجی نتایج در Stan

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تکنیک‌های اعتبارسنجی نتایج در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر اعتبارسنجی نتایج در Stan
• 2. آشنایی با اصول اولیه مدل‌سازی آماری
• 3. مبانی نظری مدل‌های خطی تعمیم‌یافته
• 4. مفاهیم پایه استنباط بیزی
• 5. مقدمه‌ای بر زبان برنامه‌نویسی Stan
• 6. نصب و پیکربندی Stan
• 7. نوشتن اولین مدل ساده در Stan
• 8. ساختار کلی مدل‌های Stan: داده‌ها، پارامترها، مدل، و پیش‌بینی‌ها
• 9. اعتبارسنجی مدل‌های خطی ساده در Stan
• 10. مدل‌سازی رگرسیون خطی با Stan
• 11. اعتبارسنجی نتایج رگرسیون خطی
• 12. مدل‌سازی رگرسیون لجستیک با Stan
• 13. اعتبارسنجی نتایج رگرسیون لجستیک
• 14. مدل‌سازی رگرسیون پواسون با Stan
• 15. اعتبارسنجی نتایج رگرسیون پواسون
• 16. مدل‌سازی رگرسیون ناگمن-شرودینگر (Negative Binomial) با Stan
• 17. اعتبارسنجی نتایج مدل ناگمن-شرودینگر
• 18. مدل‌سازی اثرات ثابت (Fixed Effects) در Stan
• 19. اعتبارسنجی نتایج مدل‌های اثرات ثابت
• 20. مدل‌سازی اثرات تصادفی (Random Effects) در Stan
• 21. اعتبارسنجی نتایج مدل‌های اثرات تصادفی
• 22. مدل‌سازی سطوح چندگانه (Multilevel Models) در Stan
• 23. اعتبارسنجی نتایج مدل‌های سطوح چندگانه
• 24. مدل‌سازی سری‌های زمانی خطی با Stan
• 25. اعتبارسنجی نتایج مدل‌های سری زمانی خطی
• 26. مدل‌سازی مدل‌های ARIMA با Stan
• 27. اعتبارسنجی نتایج مدل‌های ARIMA
• 28. مدل‌سازی مدل‌های حالت-فضا (State-Space Models) با Stan
• 29. اعتبارسنجی نتایج مدل‌های حالت-فضا
• 30. مقدمه‌ای بر اعتبارسنجی متقابل (Cross-Validation)
• 31. پیاده‌سازی اعتبارسنجی متقابل در Stan
• 32. اعتبارسنجی متقابل K-Fold
• 33. اعتبارسنجی متقابل Leave-One-Out
• 34. اعتبارسنجی از طریق شبیه‌سازی (Simulation-based Validation)
• 35. تولید داده‌های شبیه‌سازی شده از مدل‌های Stan
• 36. مقایسه داده‌های شبیه‌سازی شده با داده‌های واقعی
• 37. اعتبارسنجی پارامترهای مدل از طریق شبیه‌سازی
• 38. اعتبارسنجی پیش‌بینی‌ها از طریق شبیه‌سازی
• 39. بررسی همگرایی زنجیره‌های مارکوف مونت کارلو (MCMC)
• 40. متریک‌های همگرایی: R-hat، Neff
• 41. نمودارهای همگرایی: Trace Plots، Autocorrelation Plots
• 42. تشخیص مشکلات همگرایی در Stan
• 43. تنظیمات پیشرفته MCMC در Stan
• 44. استفاده از الگوریتم‌های نمونه‌برداری جایگزین (NUTS)
• 45. تنظیم تعداد گام‌ها و بچ‌سایز در NUTS
• 46. مدیریت نمونه‌های MCMC
• 47. فیلتر کردن و خلاصه‌سازی نتایج MCMC
• 48. اعتبارسنجی صحت محاسبات آماری
• 49. مقایسه نتایج Stan با روش‌های تحلیلی (در صورت امکان)
• 50. مقایسه نتایج Stan با نرم‌افزارهای آماری دیگر
• 51. اعتبارسنجی مدل‌های سری زمانی غیرخطی با Stan
• 52. مدل‌سازی مدل‌های GARCH با Stan
• 53. اعتبارسنجی نتایج مدل‌های GARCH
• 54. مدل‌سازی مدل‌های رگرسیون کوانتایل با Stan
• 55. اعتبارسنجی نتایج رگرسیون کوانتایل
• 56. مدل‌سازی مدل‌های بقا (Survival Models) با Stan
• 57. اعتبارسنجی نتایج مدل‌های بقا
• 58. مدل‌سازی مدل‌های داده‌های طبقه‌بندی (Categorical Data Models) با Stan
• 59. اعتبارسنجی نتایج مدل‌های داده‌های طبقه‌بندی
• 60. مدل‌سازی مدل‌های استنباط آماری برای داده‌های مکانی با Stan
• 61. اعتبارسنجی نتایج مدل‌های مکانی
• 62. مدل‌سازی مدل‌های خوشه‌بندی (Clustering) با Stan
• 63. اعتبارسنجی نتایج مدل‌های خوشه‌بندی
• 64. روش‌های بصری‌سازی نتایج Stan
• 65. نمودارهای توزیع پارامترها
• 66. نمودارهای پیش‌بینی‌ها
• 67. نمودارهای مقایسه مدل‌ها
• 68. ارزیابی دقت پیش‌بینی‌ها
• 69. شاخص‌های ارزیابی مدل: AIC، BIC، DIC
• 70. اعتبارسنجی حساسیت مدل به تغییرات داده‌ها
• 71. تحلیل تاثیر داده‌های پرت (Outliers)
• 72. تحلیل تاثیر داده‌های گمشده (Missing Data)
• 73. تکنیک‌های اعتبارسنجی برای مدل‌های پیچیده
• 74. اعتبارسنجی مدل‌های بیزی سلسله‌مراتبی
• 75. اعتبارسنجی مدل‌های بیزی با ساختار پیچیده
• 76. استفاده از بسته‌های کمکی برای اعتبارسنجی در Stan
• 77. بسته‌های R و Python برای کار با Stan
• 78. تکنیک‌های پیشرفته برای تشخیص و رفع مشکلات مدل
• 79. اعتبارسنجی مدل‌ها در حوزه علوم زیستی با Stan
• 80. اعتبارسنجی مدل‌ها در حوزه علوم اجتماعی با Stan
• 81. اعتبارسنجی مدل‌ها در حوزه علوم اقتصادی با Stan
• 82. اعتبارسنجی مدل‌ها در حوزه علوم مهندسی با Stan
• 83. روش‌های گزارش‌دهی نتایج اعتبارسنجی
• 84. نکات کلیدی در اعتبارسنجی مدل‌های Stan
• 85. جمع‌بندی و نتیجه‌گیری در مورد اعتبارسنجی نتایج
• 86. کاربرد عملی اعتبارسنجی نتایج در تصمیم‌گیری
• 87. ملاحظات اخلاقی در اعتبارسنجی مدل‌های آماری
• 88. آینده اعتبارسنجی نتایج در مدل‌سازی آماری