اپلیکیشن اندرویدی فلشکارت آموزشی 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. نصب و پیکربندی Stan
- 3. مفاهیم اساسی مدلسازی آماری
- 4. مبانی نظری مدلهای بیزی
- 5. تفاوت مدلهای بیزی و فراوانیگرا
- 6. اجرای اولین مدل ساده در Stan
- 7. نوشتن مدلهای بیزی با زبان Stan
- 8. انواع توزیعهای احتمال در Stan
- 9. انتخاب توزیع پیشین مناسب
- 10. انتخاب توزیع پسین مناسب
- 11. روشهای نمونهبرداری مارکوف چین مونت کارلو (MCMC)
- 12. الگوریتم گیبز (Gibbs Sampling)
- 13. الگوریتم هَمتونیان مونت کارلو (HMC)
- 14. الگوریتم نمونهبردار با گام متغیر (NUTS)
- 15. ارزیابی همگرایی زنجیرههای MCMC
- 16. شاخصهای همگرایی (R-hat, ESS)
- 17. تشخیص واگرایی در زنجیرهها
- 18. تجسم نتایج نمونهبرداری
- 19. نمودارهای trace plot
- 20. نمودارهای density plot
- 21. نمودارهای autocorrelation plot
- 22. تفسیر نتایج مدل بیزی
- 23. محاسبه میانگین و واریانس پسین
- 24. محاسبه فواصل اطمینان بیزی
- 25. مقایسه مدلها با معیارهای بیزی
- 26. معیار اطلاعات آکائیک بیزی (BIC)
- 27. معیار اطلاعات آکائیک واکایی (WAIC)
- 28. معیار اطلاعات پیشبینی کننده خارج از نمونه (LOO-CV)
- 29. اعتبارسنجی مدل با دادههای جدید
- 30. پیشبینی مقادیر جدید
- 31. ارزیابی کیفیت پیشبینی
- 32. تحلیل حساسیت مدل
- 33. تأثیر انتخاب پیشین بر نتایج
- 34. تأثیر ساختار مدل بر نتایج
- 35. مدلهای خطی در Stan
- 36. مدلهای رگرسیون خطی بیزی
- 37. مدلهای رگرسیون لجستیک بیزی
- 38. مدلهای سلسلهمراتبی در Stan
- 39. مدلهای اثرات مختلط
- 40. مدلهای رگرسیون سلسلهمراتبی
- 41. مدلهای سری زمانی در Stan
- 42. مدلهای ARIMA بیزی
- 43. مدلهای حالت-فضا در Stan
- 44. مدلهای فضایی در Stan
- 45. مدلهای مکانی بیزی
- 46. مدلهای فضایی-تأخیری
- 47. مدلهای فضایی-همسایگی
- 48. مدلهای دادههای گسسته در Stan
- 49. مدلهای شمارشی بیزی
- 50. مدلهای دادههای کاذب در Stan
- 51. مدلهای بقا در Stan
- 52. مدلهای پیشبینی رویداد در Stan
- 53. مدلهای یادگیری ماشین بیزی
- 54. رگرسیون بیزی با شبکههای عصبی
- 55. طبقهبندی بیزی با ماشینهای بردار پشتیبان
- 56. مدلهای تشخیص ناهنجاری در Stan
- 57. مدلهای تشخیص دادههای پرت
- 58. مدلهای تشخیص ناهنجاری با رویکرد بیزی
- 59. بهینهسازی پارامترهای مدل
- 60. استفاده از Stan برای بهینهسازی
- 61. اعتبارسنجی مدلهای بهینهسازی
- 62. مدیریت دادههای حجیم در Stan
- 63. استفاده از Stan با پایگاههای داده
- 64. بهینهسازی کد Stan
- 65. نکات پیشرفته در نوشتن مدلهای Stan
- 66. مدلهای با ابعاد بالا
- 67. مدلهای با پارامترهای زیاد
- 68. استفاده از توابع سفارشی در Stan
- 69. توسعه ابزارهای جانبی برای Stan
- 70. کاربرد Stan در علوم زیستی
- 71. مدلسازی ژنتیکی در Stan
- 72. مدلسازی اپیدمیولوژیک در Stan
- 73. کاربرد Stan در علوم اجتماعی
- 74. مدلسازی رفتار مصرفکننده در Stan
- 75. مدلسازی رأیگیری در Stan
- 76. کاربرد Stan در علوم اقتصادی
- 77. مدلسازی اقتصاد سنجی بیزی
- 78. مدلسازی ریسک در Stan
- 79. کاربرد Stan در علوم مهندسی
- 80. مدلسازی قابل اطمینان در Stan
- 81. بهینهسازی سیستمها در Stan
- 82. کاربرد Stan در علوم محیط زیست
- 83. مدلسازی تغییرات اقلیمی در Stan
- 84. مدلسازی آلودگی در Stan
- 85. کاربرد Stan در علوم داده
- 86. ساخت داشبوردهای تعاملی با نتایج Stan
- 87. تجسم پیشرفته نتایج Stan
- 88. تفسیر نتایج در بستر کاربرد
- 89. مروری بر چالشهای اعتبارسنجی نتایج
- 90. راهکارهای نوین در اعتبارسنجی مدل
- 91. آینده اعتبارسنجی نتایج آماری
- 92. منابع و مطالعات تکمیلی
- 93. نکات پایانی در استفاده از Stan
- 94. کارگاه عملی: ساخت یک مدل کامل بیزی
این اپلیکیشن فارسی برای یادگیری و مرور محتوای آموزشی از طریق فلشکارت طراحی شده است. کارتها را یکییکی مرور کنید، پاسخ پرسشها را به یاد بیاورید و نتیجه هر پاسخ را ثبت کنید. محتوای دوره پس از نصب درون برنامه در دسترس است تا برای مطالعه روزمره معمولاً به اتصال مداوم اینترنت نیاز نداشته باشید.
محتوای آموزشی در قالبهای متنوع ارائه میشود تا هم برای یادگیری مفاهیم جدید و هم برای تثبیت آموختهها قابل استفاده باشد.
- رابط کاربری فارسی و راستچین با فونت وزیر.
- تم روشن و تیره مطابق تنظیمات سیستم.
- صفحهبندی ساده برای انتخاب دوره و شروع مرور.
- نمایش تعداد دفعات مرور هر فصل.
- انتخاب چند فصل برای مرور همزمان.
- امکان تمرکز بر فصلهایی که هنوز مرور نشدهاند.
این اپلیکیشن برای دانشآموزان، دانشجویان، داوطلبان آزمونها و علاقهمندان به یادگیری طراحی شده است؛ بهویژه کسانی که میخواهند مطالب آموزشی را در زمانهای کوتاه مرور کنند، دانستههای خود را بسنجند و مطالعه منظمتری داشته باشند.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.