اپلیکیشن اندرویدی فلش‌کارت آموزشی راهنمای جامع برای کار با Stan

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای جامع برای کار با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر زبان برنامه‌نویسی Stan
• 2. نصب و راه‌اندازی Stan
• 3. آشنایی با ساختار کلی کد در Stan
• 4. متغیرها و انواع داده در Stan
• 5. عملیات ریاضی پایه در Stan
• 6. توابع ریاضی و آماری استاندارد
• 7. مقدمه‌ای بر مدل‌های احتمالاتی
• 8. توزیع‌های احتمالاتی پرکاربرد در Stan
• 9. مدل‌های خطی ساده در Stan
• 10. رگرسیون خطی چندگانه در Stan
• 11. مدل‌های لجستیک در Stan
• 12. مدل‌های پواسون در Stan
• 13. مدل‌های رتبه‌بندی در Stan
• 14. مقدمه‌ای بر مدل‌های سلسله‌مراتبی
• 15. مزایای مدل‌های سلسله‌مراتبی
• 16. پیاده‌سازی مدل‌های سلسله‌مراتبی در Stan
• 17. مدل‌های اثرات مختلط
• 18. کاربرد مدل‌های سلسله‌مراتبی در علوم اجتماعی
• 19. کاربرد مدل‌های سلسله‌مراتبی در زیست‌شناسی
• 20. کاربرد مدل‌های سلسله‌مراتبی در اقتصاد
• 21. کاربرد مدل‌های سلسله‌مراتبی در پزشکی
• 22. مقدمه‌ای بر زنجیره‌های مارکوف مونت کارلو (MCMC)
• 23. الگوریتم گیبز (Gibbs Sampling)
• 24. الگوریتم متروپلیس-هستینگز (Metropolis-Hastings)
• 25. نکات عملی در اجرای MCMC
• 26. ارزیابی همگرایی در MCMC
• 27. شاخص‌های ارزیابی همگرایی
• 28. عیب‌یابی مشکلات همگرایی
• 29. مقدمه‌ای بر مدل‌های بیزی
• 30. تفاوت رویکرد بیزی و فراوانی‌گرا
• 31. اعمال قضیه بیز در Stan
• 32. تعیین پیشین‌ها (Priors) در Stan
• 33. انتخاب توزیع‌های پیشین مناسب
• 34. تفسیر نتایج بیزی
• 35. مقدمه‌ای بر بهینه‌سازی در Stan
• 36. روش‌های بهینه‌سازی
• 37. کاربرد بهینه‌سازی در مدل‌سازی
• 38. مقدمه‌ای بر مدل‌های سری زمانی
• 39. مدل‌های ARIMA در Stan
• 40. مدل‌های GARCH در Stan
• 41. کاربرد مدل‌های سری زمانی در اقتصاد
• 42. کاربرد مدل‌های سری زمانی در پیش‌بینی
• 43. مقدمه‌ای بر روش‌های کاهش ابعاد
• 44. تحلیل مؤلفه‌های اصلی (PCA) در Stan
• 45. تحلیل عاملی (Factor Analysis) در Stan
• 46. کاربرد کاهش ابعاد در داده‌های بزرگ
• 47. مقدمه‌ای بر مدل‌های شبکه‌ای
• 48. مدل‌های گرافیکی احتمالاتی
• 49. کاربرد مدل‌های شبکه‌ای در علوم اجتماعی
• 50. مقدمه‌ای بر مدل‌های یادگیری ماشین
• 51. رگرسیون لجستیک بیزی در Stan
• 52. ماشین‌های بردار پشتیبان (SVM) بیزی در Stan
• 53. شبکه‌های عصبی بیزی در Stan
• 54. کاربرد شبکه‌های عصبی در Stan
• 55. مقدمه‌ای بر پیش‌پردازش داده‌ها
• 56. پاکسازی داده‌ها در Stan
• 57. مدیریت مقادیر گمشده
• 58. استانداردسازی و نرمال‌سازی داده‌ها
• 59. مقدمه‌ای بر تجسم داده‌ها
• 60. رسم نمودارها در Stan
• 61. استفاده از کتابخانه‌های تجسم
• 62. تفسیر نمودارهای آماری
• 63. مقدمه‌ای بر ناپارامتریك‌ها
• 64. مدل‌های ناپارامتریك در Stan
• 65. کاربرد مدل‌های ناپارامتریك
• 66. مقدمه‌ای بر مدل‌های پیشرفته
• 67. مدل‌های احتمالاتی گرافیکی پیشرفته
• 68. مدل‌های مکانی-زمانی در Stan
• 69. کاربرد مدل‌های مکانی-زمانی
• 70. مقدمه‌ای بر طراحی آزمایش
• 71. مدل‌سازی نتایج آزمایش در Stan
• 72. تحلیل آماری داده‌های آزمایشی
• 73. مقدمه‌ای بر مدل‌سازی شبیه‌سازی
• 74. شبیه‌سازی مونت کارلو در Stan
• 75. کاربرد شبیه‌سازی در ارزیابی مدل
• 76. مقدمه‌ای بر بهداشت و سلامت
• 77. مدل‌سازی آماری در اپیدمیولوژی
• 78. مدل‌سازی پیش‌بینی بیماری در Stan
• 79. مقدمه‌ای بر علوم اقتصادی
• 80. مدل‌سازی اقتصادسنجی بیزی
• 81. تحلیل ریسک در بازارهای مالی با Stan
• 82. مقدمه‌ای بر علوم اجتماعی
• 83. مدل‌سازی رفتار اجتماعی در Stan
• 84. تحلیل شبکه‌های اجتماعی با Stan
• 85. مقدمه‌ای بر علوم زیستی
• 86. مدل‌سازی ژنتیکی در Stan
• 87. تحلیل داده‌های بالینی در Stan
• 88. مقدمه‌ای بر هوش مصنوعی
• 89. کاربرد Stan در سیستم‌های توصیه‌گر
• 90. مقدمه‌ای بر توسعه نرم‌افزار
• 91. نوشتن کدهای Stan قابل نگهداری
• 92. اشکال‌زدایی و تست کدهای Stan
• 93. مقدمه‌ای بر مسائل اخلاقی در داده‌کاوی
• 94. حفظ حریم خصوصی در مدل‌سازی بیزی
• 95. تفسیر مسئولانه نتایج آماری
• 96. مقدمه‌ای بر یادگیری مداوم
• 97. منابع یادگیری بیشتر در Stan
• 98. جامعه کاربری Stan
• 99. ارتقاء مهارت‌های مدل‌سازی بیزی