اپلیکیشن اندرویدی فلش‌کارت آموزشی 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. مبانی احتمالات و آمار برای مدل‌سازی
• 2. مفاهیم کلیدی در مدل‌سازی آماری
• 3. مقدمه‌ای بر زبان برنامه‌نویسی R
• 4. نصب و پیکربندی R و RStudio
• 5. کار با داده‌ها در R: بارگذاری و پاکسازی
• 6. انواع داده و ساختارهای اطلاعاتی در R
• 7. عملیات پایه بر روی بردارها و ماتریس‌ها
• 8. کار با دیتافریم‌ها: فیلتر، مرتب‌سازی و تجمیع
• 9. رسم نمودارهای پایه در R برای اکتشاف داده
• 10. آشنایی با مفاهیم نمونه‌گیری آماری
• 11. انواع توزیع‌های احتمالی گسسته و پیوسته
• 12. توزیع نرمال و خواص آن
• 13. توزیع‌های مرتبط با توزیع نرمال
• 14. مقدمه‌ای بر استنتاج آماری
• 15. برآورد پارامترها: روش گشتاورها و درست‌نمایی بیشینه
• 16. فاصله‌های اطمینان برای پارامترهای مختلف
• 17. آزمون فرض آماری: مفاهیم پایه
• 18. آزمون فرض برای میانگین جامعه با واریانس معلوم
• 19. آزمون فرض برای میانگین جامعه با واریانس نامعلوم
• 20. آزمون فرض برای نسبت جامعه
• 21. آزمون فرض برای واریانس جامعه
• 22. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته
• 23. رگرسیون خطی ساده: مفروضات و تفسیر
• 24. برآورد پارامترها در رگرسیون خطی ساده
• 25. آزمون فرض در رگرسیون خطی ساده
• 26. فاصله‌های اطمینان در رگرسیون خطی ساده
• 27. ارزیابی مدل رگرسیون خطی ساده: ضریب تعیین
• 28. تشخیص و رفع مشکلات در رگرسیون خطی (همبستگی، ناهمسانی واریانس)
• 29. رگرسیون خطی چندگانه: مفاهیم و کاربردها
• 30. برآورد پارامترها در رگرسیون خطی چندگانه
• 31. آزمون فرض در رگرسیون خطی چندگانه
• 32. انتخاب متغیر در رگرسیون خطی چندگانه
• 33. مقدمه‌ای بر مدل‌های سری زمانی
• 34. تحلیل مولفه‌های اصلی (PCA)
• 35. مقدمه‌ای بر روش‌های بیزی
• 36. تفاوت رویکرد فراوانی‌گرا و بیزی
• 37. مقدمه‌ای بر زبان Stan
• 38. نصب و پیکربندی Stan
• 39. نوشتن مدل‌های ساده در Stan
• 40. کار با داده‌ها در Stan
• 41. نوشتن مدل‌های رگرسیونی خطی در Stan
• 42. نوشتن مدل‌های رگرسیونی تعمیم‌یافته در Stan
• 43. نمونه‌گیری از توزیع‌های پیچیده
• 44. مقدمه‌ای بر زنجیره‌های مارکوف مونت کارلو (MCMC)
• 45. الگوریتم Gibbs Sampling
• 46. الگوریتم Metropolis-Hastings
• 47. ارزیابی همگرایی زنجیره‌های MCMC
• 48. شاخص‌های ارزیابی همگرایی (R-hat, ESS)
• 49. نمایش نتایج حاصل از MCMC
• 50. نمونه‌گیری از توزیع‌های نرمال چند متغیره
• 51. مدل‌سازی سلسله‌مراتبی در Stan
• 52. کاربرد مدل‌های سلسله‌مراتبی در علوم رفتاری
• 53. مدل‌سازی روابط بین متغیرها با مدل‌های سلسله‌مراتبی
• 54. مدل‌سازی داده‌های دسته‌ای با Stan
• 55. مدل‌سازی داده‌های طولی با Stan
• 56. مقدمه‌ای بر مدل‌های مکان و مقیاس (Item Response Theory)
• 57. کاربرد مدل‌های IRT در سنجش و ارزیابی
• 58. نوشتن مدل‌های IRT ساده در Stan
• 59. نوشتن مدل‌های IRT پیشرفته در Stan
• 60. مدل‌سازی داده‌های گسسته با مدل‌های احتمالی
• 61. کاربرد مدل‌های لجستیک و پروبیت در Stan
• 62. مدل‌سازی داده‌های شمارشی (Poisson, Negative Binomial) در Stan
• 63. مدل‌سازی داده‌های بقا (Survival Analysis) در Stan
• 64. مقدمه‌ای بر مدل‌سازی شبکه‌های اجتماعی با Stan
• 65. کاربرد مدل‌سازی شبکه‌های اجتماعی در تحلیل داده
• 66. نوشتن مدل‌های پایه شبکه‌های اجتماعی در Stan
• 67. نوشتن مدل‌های پیشرفته شبکه‌های اجتماعی در Stan
• 68. مقدمه‌ای بر یادگیری ماشین و مدل‌سازی آماری
• 69. تفاوت مدل‌سازی آماری سنتی و یادگیری ماشین
• 70. کاربرد Stan در مسائل یادگیری ماشین
• 71. کاربرد Stan در تحلیل داده‌های کلان
• 72. بهینه‌سازی مدل‌ها در Stan
• 73. مقدمه‌ای بر شبیه‌سازی در Stan
• 74. شبیه‌سازی داده‌ها برای ارزیابی مدل
• 75. بررسی حساسیت مدل به مفروضات
• 76. مقدمه‌ای بر روش‌های پیشرفته نمونه‌گیری
• 77. روش‌های نمونه‌گیری مبتنی بر اهمیت (Importance Sampling)
• 78. روش‌های نمونه‌گیری از طریق تبدیل (Transformed MCMC)
• 79. بهبود کارایی نمونه‌گیری در Stan
• 80. استفاده از Stan برای مدل‌های خاص حوزه‌ها
• 81. مدل‌سازی در علوم زیستی با Stan
• 82. مدل‌سازی در علوم اقتصادی با Stan
• 83. مدل‌سازی در علوم اجتماعی با Stan
• 84. مدل‌سازی در علوم پزشکی با Stan
• 85. کاربرد Stan در تحلیل داده‌های مکانی
• 86. مقدمه‌ای بر مدل‌های گرافیکی احتمالی
• 87. کاربرد مدل‌های گرافیکی در تحلیل داده
• 88. نوشتن مدل‌های گرافیکی ساده در Stan
• 89. نوشتن مدل‌های گرافیکی پیشرفته در Stan
• 90. مقدمه‌ای بر روش‌های بیزی برای داده‌های پرت
• 91. مدل‌سازی داده‌های با توزیع‌های غیرنرمال
• 92. مدل‌سازی داده‌های با واریانس متغیر
• 93. مقدمه‌ای بر مدل‌سازی پیش‌بینی‌کننده
• 94. ساخت مدل‌های پیش‌بینی‌کننده با Stan
• 95. ارزیابی عملکرد مدل‌های پیش‌بینی‌کننده
• 96. مقدمه‌ای بر تفسیر نتایج پیچیده مدل‌های بیزی
• 97. روش‌های بصری‌سازی پیشرفته نتایج Stan
• 98. نوشتن گزارش‌های علمی از تحلیل‌های بیزی
• 99. اخلاق حرفه‌ای در تحلیل داده و گزارش‌دهی
• 100. کاربرد Stan در پژوهش‌های کاربردی