کتاب صوتی تنظیمات پیشرفته برای نمونه‌گیری در Stan

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیمات پیشرفته برای نمونه‌گیری در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر زبان برنامه‌نویسی R
• 2. نصب و پیکربندی R و RStudio
• 3. آشنایی با ساختارهای داده در R (بردارها، ماتریس‌ها، دیتافریم‌ها)
• 4. عملیات پایه با داده‌ها در R
• 5. توابع و بسته‌های R
• 6. نوشتن توابع سفارشی در R
• 7. مقدمه‌ای بر مدل‌سازی آماری
• 8. مفاهیم پایه احتمال
• 9. توزیع‌های احتمالی گسسته
• 10. توزیع‌های احتمالی پیوسته
• 11. آمار توصیفی در R
• 12. مصورسازی داده‌ها در R
• 13. مقدمه‌ای بر نمونه‌گیری
• 14. انواع روش‌های نمونه‌گیری
• 15. مقدمه‌ای بر بسترهای مدل‌سازی آماری
• 16. معرفی نرم‌افزار Stan
• 17. نصب و راه‌اندازی Stan
• 18. آشنایی با زبان Stan
• 19. نحو پایه در Stan
• 20. انواع داده در Stan
• 21. متغیرها و عملگرها در Stan
• 22. ساختارهای کنترلی در Stan (دستورات شرطی)
• 23. ساختارهای کنترلی در Stan (حلقه‌ها)
• 24. تعریف مدل‌های ساده در Stan
• 25. فرمول‌بندی مدل‌های آماری برای Stan
• 26. مدل خطی ساده در Stan
• 27. مدل خطی تعمیم‌یافته (GLM) در Stan
• 28. مدل‌های سلسله‌مراتبی (Hierarchical Models)
• 29. مقدمه‌ای بر مدل‌های سلسله‌مراتبی
• 30. مدل‌های اثرات ثابت و تصادفی
• 31. مدل‌های چندسطحی در Stan
• 32. پیاده‌سازی مدل‌های سلسله‌مراتبی در Stan
• 33. نمونه‌گیری در Stan: مفاهیم پایه
• 34. روش‌های نمونه‌گیری مارکوف چین مونت کارلو (MCMC)
• 35. الگوریتم گیبس (Gibbs Sampling)
• 36. الگوریتم هَستینگز-متروپلیس (Metropolis-Hastings)
• 37. الگوریتم نمونه‌گیرالیفوی (Hamiltonian Monte Carlo - HMC)
• 38. الگوریتم نمونه‌گیرالیفوی با گام تصادفی (No-U-Turn Sampler - NUTS)
• 39. تنظیمات پیشرفته برای نمونه‌گیری در Stan
• 40. تنظیم تعداد زنجیره‌ها (Chains)
• 41. تنظیم طول زنجیره‌ها (Iterations)
• 42. تنظیم مرحله گرم‌سازی (Warm-up)
• 43. تنظیم گام‌های HMC (stepsize)
• 44. تنظیم تعداد گام‌های HMC (n_leapfrog)
• 45. تنظیم آستانه انرژی (energy_threshold)
• 46. تنظیم پارامترهای مربوط به NUTS
• 47. تنظیمات مربوط به تشخیص همگرایی (Convergence Diagnostics)
• 48. معیار R-hat
• 49. نمودارهای Trace Plot
• 50. نمودارهای Autocorrelation Plot
• 51. روش‌های بصری بررسی همگرایی
• 52. روش‌های کمی بررسی همگرایی
• 53. تنظیمات مربوط به دقت محاسباتی
• 54. تنظیمات مربوط به مدیریت حافظه
• 55. تنظیمات مربوط به استفاده از پردازنده‌های چندگانه (Parallel Computing)
• 56. تنظیمات مربوط به خروجی‌های Stan
• 57. ذخیره‌سازی نتایج نمونه‌گیری
• 58. فرمت‌های خروجی Stan
• 59. خواندن خروجی‌های Stan در R
• 60. تحلیل نتایج مدل‌های Stan
• 61. تفسیر پارامترهای مدل
• 62. محاسبه فواصل اطمینان
• 63. انجام پیش‌بینی با مدل
• 64. ارزیابی برازش مدل (Model Fit Assessment)
• 65. شاخص‌های برازش مدل
• 66. روش‌های اعتبارسنجی متقابل (Cross-validation)
• 67. اعتبارسنجی پیش‌بینانه (Posterior Predictive Checks)
• 68. مدل‌سازی داده‌های سری زمانی در Stan
• 69. مدل‌های ARIMA در Stan
• 70. مدل‌های حالت-فضا (State-Space Models) در Stan
• 71. مدل‌سازی داده‌های مکانی در Stan
• 72. مدل‌های اثرات فضایی در Stan
• 73. مدل‌سازی داده‌های گسسته در Stan
• 74. مدل‌های لجستیک سلسله‌مراتبی در Stan
• 75. مدل‌های پواسون سلسله‌مراتبی در Stan
• 76. مدل‌سازی داده‌های بقا در Stan
• 77. مدل‌های کاکس (Cox Models) در Stan
• 78. استفاده از Stan برای بهینه‌سازی
• 79. تنظیمات پیشرفته برای بهینه‌سازی در Stan
• 80. کاربرد Stan در مدل‌سازی بیزی
• 81. مفاهیم پایه مدل‌سازی بیزی
• 82. قضیه بیز
• 83. توزیع پیشین (Prior Distribution)
• 84. توزیع پسین (Posterior Distribution)
• 85. توزیع درست‌نمایی (Likelihood Distribution)
• 86. روش‌های تخمین توزیع پسین
• 87. مزایای مدل‌سازی بیزی
• 88. کاربرد عملی مدل‌سازی بیزی
• 89. بررسی حساسیت به توزیع پیشین
• 90. انتخاب توزیع پیشین مناسب
• 91. نمونه‌سازی پیشین (Prior Predictive Sampling)
• 92. نمونه‌سازی پسین (Posterior Predictive Sampling)
• 93. مدل‌سازی داده‌های ناقص (Missing Data) در Stan
• 94. استراتژی‌های برخورد با داده‌های ناقص
• 95. روش‌های imputation در Stan
• 96. مدل‌سازی داده‌های پرت (Outlier Detection) در Stan
• 97. روش‌های شناسایی داده‌های پرت
• 98. مدل‌سازی داده‌های تودرتو (Nested Data) در Stan
• 99. مدل‌های چند سطحی برای داده‌های تودرتو
• 100. مقدمه‌ای بر تحلیل عاملی در Stan