اپلیکیشن اندرویدی فلش‌کارت آموزشی کاربرد MCMC با Stan در تحلیل‌های آماری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربرد MCMC با Stan در تحلیل‌های آماری

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مبانی احتمال و آمار
• 2. مقدمه‌ای بر مدل‌های آماری
• 3. مفاهیم پایه درقیاس‌با داده‌های واقعی
• 4. مبانی احتمال شرطی و توزیع‌های گسسته
• 5. مفاهیم توزیع‌های پیوسته و کاربرد آن‌ها
• 6. روش‌های تخمین پارامترها: حداکثر درست‌نمایی
• 7. مفاهیم استنباط بیزی و مقدمه‌ای بر آن
• 8. مقدمه ای بر زنجیره مارکوف
• 9. مفاهیم زنجیره مارکوف و فضای حالت
• 10. آنالیز کرانه‌دار در زنجیره مارکوف
• 11. کاربرد زنجیره مارکوف در مدلسازی
• 12. مقدمه‌ای بر نمونه‌گیری از توزیع‌های پیچیده
• 13. نیاز به روش‌های نمونه‌گیری پیشرفته
• 14. مقدمه‌ای بر روش‌های مونت کارلو
• 15. کاربرد روش‌های مونت کارلو در آمار
• 16. مقدمه‌ای بر الگوریتم‌های MCMC
• 17. مفاهیم پایه الگوریتم‌های MCMC
• 18. الگوریتم Metropolis-Hastings
• 19. پیاده‌سازی الگوریتم Metropolis-Hastings
• 20. الگوریتم Gibbs Sampling
• 21. پیاده‌سازی الگوریتم Gibbs Sampling
• 22. مقایسه الگوریتم‌های MCMC
• 23. ارزیابی همگرایی در MCMC
• 24. معیارهای ارزیابی همگرایی
• 25. راهکارهایی برای بهبود همگرایی
• 26. استفاده از نرم‌افزارهای آماری در MCMC
• 27. مقدمه‌ای بر زبان برنامه‌نویسی Stan
• 28. نصب و راه‌اندازی Stan
• 29. نحو پایه در Stan
• 30. تعریف مدل‌ها در Stan
• 31. انواع توزیع‌ها در Stan
• 32. توابع و عملیات پایه در Stan
• 33. ساختارهای کنترلی در Stan
• 34. نوشتن اولین مدل در Stan
• 35. مدل‌های خطی با Stan
• 36. مدل‌های رگرسیون خطی در Stan
• 37. پیاده‌سازی رگرسیون خطی با Stan
• 38. مدل‌های رگرسیون لجستیک با Stan
• 39. پیاده‌سازی رگرسیون لجستیک با Stan
• 40. مدل‌های رگرسیون پواسون با Stan
• 41. پیاده‌سازی رگرسیون پواسون با Stan
• 42. مدل‌های سلسله مراتبی با Stan
• 43. مفاهیم مدل‌های سلسله مراتبی
• 44. پیاده‌سازی مدل‌های سلسله مراتبی با Stan
• 45. مدل‌های مخلوط (Mixed Models) با Stan
• 46. پیاده‌سازی مدل‌های مخلوط با Stan
• 47. تحلیل سری‌های زمانی با Stan
• 48. مدل‌های ARIMA در Stan
• 49. پیاده‌سازی مدل‌های ARIMA با Stan
• 50. مدل‌های حالت-فضا با Stan
• 51. پیاده‌سازی مدل‌های حالت-فضا با Stan
• 52. مدل‌های فضایی با Stan
• 53. پیاده‌سازی مدل‌های فضایی با Stan
• 54. کاربرد MCMC در آمار بیزی
• 55. استنباط بیزی با استفاده از MCMC
• 56. تفسیر نتایج MCMC در تحلیل بیزی
• 57. مقایسه نتایج MCMC با روش‌های تحلیلی
• 58. کاربرد MCMC در داده‌های بزرگ
• 59. چالش‌های MCMC در داده‌های حجیم
• 60. راهکارهای MCMC برای داده‌های بزرگ
• 61. کاربرد MCMC در مدل‌های پیشرفته
• 62. مدل‌های شبکه بیزی با Stan
• 63. پیاده‌سازی شبکه‌های بیزی با Stan
• 64. مدل‌های بقا (Survival Analysis) با Stan
• 65. پیاده‌سازی مدل‌های بقا با Stan
• 66. مدل‌های حالت پنهان (Hidden Markov Models) با Stan
• 67. پیاده‌سازی مدل‌های حالت پنهان با Stan
• 68. مدل‌های گرافی با Stan
• 69. پیاده‌سازی مدل‌های گرافی با Stan
• 70. کاربرد MCMC در یادگیری ماشین
• 71. شبکه‌های عصبی بیزی با Stan
• 72. پیاده‌سازی شبکه‌های عصبی بیزی با Stan
• 73. مدل‌های ترکیبی (Ensemble Models) با Stan
• 74. پیاده‌سازی مدل‌های ترکیبی با Stan
• 75. کاربرد MCMC در علوم زیستی
• 76. مدل‌سازی ژنتیکی با Stan
• 77. پیاده‌سازی مدل‌سازی ژنتیکی با Stan
• 78. مدل‌سازی اپیدمیولوژیک با Stan
• 79. پیاده‌سازی مدل‌سازی اپیدمیولوژیک با Stan
• 80. کاربرد MCMC در علوم اجتماعی
• 81. مدل‌سازی رفتار مصرف‌کننده با Stan
• 82. پیاده‌سازی مدل‌سازی رفتار مصرف‌کننده با Stan
• 83. مدل‌سازی شبکه‌های اجتماعی با Stan
• 84. پیاده‌سازی مدل‌سازی شبکه‌های اجتماعی با Stan
• 85. کاربرد MCMC در اقتصاد
• 86. مدل‌سازی سری‌های مالی با Stan
• 87. پیاده‌سازی مدل‌سازی سری‌های مالی با Stan
• 88. مدل‌سازی ریسک اعتباری با Stan
• 89. پیاده‌سازی مدل‌سازی ریسک اعتباری با Stan
• 90. کاربرد MCMC در مهندسی
• 91. مدل‌سازی قابلیت اطمینان با Stan
• 92. پیاده‌سازی مدل‌سازی قابلیت اطمینان با Stan
• 93. مدل‌سازی سیستم‌های پیچیده با Stan
• 94. پیاده‌سازی مدل‌سازی سیستم‌های پیچیده با Stan
• 95. نکات پیشرفته در استفاده از Stan
• 96. بهینه‌سازی کد در Stan
• 97. اشکال‌زدایی مدل‌ها در Stan
• 98. تجسم نتایج MCMC
• 99. ابزارهای تجسم داده در Stan
• 100. گزارش‌نویسی نتایج تحلیل‌های MCMC