اپلیکیشن اندرویدی فلشکارت آموزشی تکنیکهای ارزیابی مدل با Stan
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره تکنیکهای ارزیابی مدل با Stan
موضوع کلی: روشهای نمونهگیری مونتکارلو مارکوف (MCMC) در آمار بیزی
موضوع میانی: مخاطرات و تنظیمات Stan
📋 سرفصلهای دوره
- 1. مبانی احتمال و آمار در ارزیابی مدل
- 2. مقدمهای بر مدلسازی آماری
- 3. نظریه بیز و استنتاج بیزی
- 4. مبانی نرمافزار Stan
- 5. نصب و راهاندازی Stan
- 6. مقدمهای بر زبان Stan
- 7. ساختار کلی برنامههای Stan
- 8. توابع احتمال در Stan
- 9. مدلهای خطی ساده در Stan
- 10. رگرسیون خطی بیزی
- 11. تفسیر نتایج مدلهای خطی
- 12. ارزیابی برازش مدل با معیارها
- 13. اعتبار سنجی متقابل و اعتبارسنجی متقاطع
- 14. تشخیص بیشبرازش و کمبرازش
- 15. روشهای بصری برای ارزیابی مدل
- 16. نمودارهای تشخیصی در Stan
- 17. نمودارهای پیشبینی
- 18. شاخصهای اطلاعاتی (AIC, BIC)
- 19. شاخصهای بیزی (DIC, WAIC)
- 20. روشهای مقایسه مدلها
- 21. مدلهای سلسلهمراتبی
- 22. مقدمهای بر مدلهای سلسلهمراتبی
- 23. مدلهای سلسلهمراتبی خطی
- 24. مدلهای سلسلهمراتبی با اثرات تصادفی
- 25. تفسیر مدلهای سلسلهمراتبی
- 26. ارزیابی مدلهای سلسلهمراتبی
- 27. مدلهای رگرسیون لجستیک بیزی
- 28. مدلهای طبقهبندی بیزی
- 29. مدلهای پواسون و شمارشی بیزی
- 30. مدلهای سری زمانی بیزی
- 31. مقدمهای بر مدلهای سری زمانی
- 32. مدلهای ARIMA بیزی
- 33. مدلهای حالت-فضا بیزی
- 34. ارزیابی مدلهای سری زمانی
- 35. مدلهای بقا بیزی
- 36. مدلهای بقای کاپلان-مایر
- 37. مدلهای بقای کاکس
- 38. ارزیابی مدلهای بقا
- 39. شبیهسازی مونت کارلو زنجیره مارکوف (MCMC)
- 40. مبانی MCMC
- 41. الگوریتم گیبس
- 42. الگوریتم Metropolis-Hastings
- 43. همگرایی زنجیرههای مارکوف
- 44. تشخیص عدم همگرایی
- 45. روشهای بهبود MCMC
- 46. نمونهبرداری با اهمیت
- 47. تحلیل حساسیت پارامترها
- 48. مدلسازی دادههای گمشده
- 49. روشهای جایگزینی دادههای گمشده
- 50. مدلسازی دادههای گمشده با Stan
- 51. روشهای پیشرفته در Stan
- 52. بهینهسازی مدل در Stan
- 53. مدلهای خطی تعمیمیافته (GLM) در Stan
- 54. مدلهای غیرخطی در Stan
- 55. مدلهای مکانی در Stan
- 56. مقدمهای بر مدلهای مکانی
- 57. مدلهای اتورگرسیو مکانی
- 58. مدلهای خودهمبستگی مکانی
- 59. ارزیابی مدلهای مکانی
- 60. مدلسازی دادههای پانل
- 61. مقدمهای بر دادههای پانل
- 62. مدلهای اثرات ثابت و تصادفی پانل
- 63. مدلهای پانل پویا
- 64. ارزیابی مدلهای پانل
- 65. مدلهای شبکهای در Stan
- 66. مقدمهای بر مدلهای شبکهای
- 67. مدلهای وابستگی شبکهای
- 68. تحلیل شبکههای اجتماعی با Stan
- 69. ارزیابی مدلهای شبکهای
- 70. مقدمهای بر یادگیری ماشین بیزی
- 71. مدلهای بیزی برای طبقهبندی
- 72. مدلهای بیزی برای رگرسیون
- 73. شبکههای عصبی بیزی
- 74. ارزیابی مدلهای یادگیری ماشین بیزی
- 75. مدلسازی نویز و عدم قطعیت
- 76. مدلسازی عدم قطعیت در پیشبینی
- 77. مدلسازی عدم قطعیت در تصمیمگیری
- 78. کاربرد Stan در پژوهشهای علمی
- 79. کاربرد Stan در علوم اجتماعی
- 80. کاربرد Stan در علوم زیستی
- 81. کاربرد Stan در اقتصاد
- 82. کاربرد Stan در مهندسی
- 83. نکات پیشرفته و تکنیکهای کارآمد در Stan
- 84. اشکالزدایی برنامههای Stan
- 85. بهبود کارایی برنامههای Stan
- 86. ساخت مدلهای پیچیده در Stan
- 87. ملاحظات اخلاقی در مدلسازی آماری
- 88. تفسیر مسئولانه نتایج مدل
- 89. کاربرد ابزارهای بصری در ارائه نتایج
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.