اپلیکیشن اندرویدی فلش‌کارت آموزشی تنظیمات MCMC برای مدل‌های فضایی-زمانی در Stan

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیمات MCMC برای مدل‌های فضایی-زمانی در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌های فضایی-زمانی
• 2. مفاهیم پایه آمار فضایی
• 3. مفاهیم پایه آمار زمانی
• 4. مقدمه‌ای بر نرم‌افزار Stan
• 5. نصب و پیکربندی Stan
• 6. نوشتن اولین مدل در Stan
• 7. مبانی زبان Stan
• 8. ساختار مدل در Stan
• 9. داده‌ها در Stan
• 10. پارامترها و متغیرهای پنهان در Stan
• 11. توابع چگالی احتمال در Stan
• 12. اعمال توابع چگالی در مدل‌ها
• 13. مقدمه‌ای بر زنجیره‌های مارکوف مونت کارلو (MCMC)
• 14. انتخاب الگوریتم‌های MCMC
• 15. پیاده‌سازی MCMC در Stan
• 16. بررسی همگرایی در MCMC
• 17. معیارهای ارزیابی همگرایی
• 18. تشخیص عدم همگرایی
• 19. رسم نمودارهای همگرایی
• 20. تفسیر نتایج MCMC
• 21. مدل‌های رگرسیون خطی فضایی-زمانی
• 22. ساختار کوواریانس فضایی
• 23. ساختار کوواریانس زمانی
• 24. ترکیب ساختارهای فضایی و زمانی
• 25. مدل‌های خطی تعمیم‌یافته فضایی-زمانی
• 26. توابع پیوند در مدل‌های تعمیم‌یافته
• 27. مدل‌های خطی تعمیم‌یافته فضایی-زمانی در Stan
• 28. مدل‌های فضایی-زمانی با اثرات ثابت
• 29. مدل‌های فضایی-زمانی با اثرات تصادفی
• 30. اثرات تصادفی فضایی
• 31. اثرات تصادفی زمانی
• 32. اثرات تصادفی فضایی-زمانی
• 33. مدل‌های اثرات مختلط فضایی-زمانی
• 34. مدل‌های خودرگرسیو فضایی (SAR)
• 35. مدل‌های خودرگرسیو زمانی (AR)
• 36. مدل‌های خودهمبسته فضایی-زمانی (STAR)
• 37. مدل‌های میانگین متحرک فضایی (SMA)
• 38. مدل‌های میانگین متحرک زمانی (MA)
• 39. مدل‌های میانگین متحرک فضایی-زمانی (STMA)
• 40. مدل‌های ترکیبی SARIMA
• 41. مدل‌های فضایی-زمانی با سری‌های زمانی ناهمگن
• 42. مدل‌های فضایی-زمانی در داده‌های پانل
• 43. مدل‌های فضایی-زمانی با ناظران فضایی
• 44. مدل‌های فضایی-زمانی با ناظران زمانی
• 45. مدل‌های فضایی-زمانی با ناظران فضایی-زمانی
• 46. مدل‌های فضایی-زمانی پویا
• 47. مدل‌های پیش‌بینی فضایی-زمانی
• 48. اعتبارسنجی مدل‌های فضایی-زمانی
• 49. ارزیابی دقت پیش‌بینی
• 50. تصحیح اثرات فضایی در پیش‌بینی
• 51. تصحیح اثرات زمانی در پیش‌بینی
• 52. مدل‌های فضایی-زمانی برای داده‌های گسسته
• 53. مدل‌های فضایی-زمانی برای داده‌های شمارشی
• 54. مدل‌های فضایی-زمانی برای داده‌های باینری
• 55. مدل‌های فضایی-زمانی برای داده‌های دوگانه
• 56. مدل‌های فضایی-زمانی با متغیرهای مفسر
• 57. شامل کردن متغیرهای مفسر فضایی
• 58. شامل کردن متغیرهای مفسر زمانی
• 59. شامل کردن متغیرهای مفسر فضایی-زمانی
• 60. مدل‌های فضایی-زمانی با عدم قطعیت در مکان
• 61. مدل‌های فضایی-زمانی با عدم قطعیت در زمان
• 62. مدل‌های فضایی-زمانی با عدم قطعیت در هر دو
• 63. مدل‌سازی عدم قطعیت در پارامترها
• 64. مدل‌سازی عدم قطعیت در ساختار فضایی
• 65. مدل‌سازی عدم قطعیت در ساختار زمانی
• 66. مدل‌های فضایی-زمانی برای داده‌های حجیم
• 67. کارایی محاسباتی در Stan
• 68. بهینه‌سازی مدل‌های فضایی-زمانی در Stan
• 69. تکنیک‌های نمونه‌برداری پیشرفته در Stan
• 70. استفاده از Stan برای شبیه‌سازی
• 71. کاربرد مدل‌های فضایی-زمانی در علوم زیستی
• 72. کاربرد مدل‌های فضایی-زمانی در علوم محیطی
• 73. کاربرد مدل‌های فضایی-زمانی در اقتصاد
• 74. کاربرد مدل‌های فضایی-زمانی در بهداشت عمومی
• 75. کاربرد مدل‌های فضایی-زمانی در علوم اجتماعی
• 76. کاربرد مدل‌های فضایی-زمانی در سنجش از دور
• 77. تحلیل حساسیت پارامترها
• 78. تحلیل حساسیت ساختار فضایی
• 79. تحلیل حساسیت ساختار زمانی
• 80. مقایسه مدل‌های فضایی-زمانی مختلف
• 81. انتخاب مدل بر اساس معیارهای اطلاعاتی
• 82. تفسیر مدل‌های پیچیده فضایی-زمانی
• 83. ارائه نتایج مدل‌های فضایی-زمانی
• 84. کار با داده‌های فضایی-زمانی بزرگ
• 85. نکات پیشرفته در زبان Stan
• 86. اشکال‌زدایی مدل‌های Stan
• 87. مدیریت حافظه در Stan
• 88. استفاده از Stan با زبان‌های دیگر (R, Python)
• 89. ملاحظات اخلاقی در تحلیل داده‌های فضایی-زمانی
• 90. حفظ حریم خصوصی در داده‌های مکانی
• 91. مسئولیت‌پذیری در مدل‌سازی
• 92. چالش‌های تحلیل داده‌های فضایی-زمانی در ایران
• 93. مقررات مرتبط با داده‌های مکانی در ایران
• 94. رویکرد بومی در مدل‌سازی فضایی-زمانی
• 95. نمونه‌های عملی مدل‌سازی فضایی-زمانی در ایران
• 96. پروژه‌های پیشرفته در مدل‌سازی فضایی-زمانی