اپلیکیشن اندرویدی فلش‌کارت آموزشی رفع اشکال مدل‌های Stan

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره رفع اشکال مدل‌های Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی آماری در Stan
• 2. مفاهیم پایه مدل‌سازی احتمالاتی
• 3. توزیع‌های احتمالاتی پرکاربرد
• 4. توزیع‌های نرمال، گاما، بتا و سایر
• 5. استفاده از توزیع‌های پیشین در مدل‌سازی
• 6. مقدمه‌ای بر روش‌های نمونه‌گیری مونت کارلو زنجیره مارکوف (MCMC)
• 7. الگوریتم گیبس سمپلینگ
• 8. الگوریتم متروپولیس-هستینگز
• 9. کاربرد MCMC در برآورد پارامترها
• 10. مقدمه‌ای بر زبان برنامه‌نویسی Stan
• 11. ساختار کلی برنامه‌های Stan
• 12. نحو پایه در Stan
• 13. تعریف متغیرها و پارامترها
• 14. توابع احتمال و توزیع‌ها در Stan
• 15. نمونه‌گیری از توزیع‌های پیشین
• 16. تعریف توزیع درستنمایی
• 17. مراحل نمونه‌گیری در Stan
• 18. بررسی همگرایی سری‌های MCMC
• 19. معیارهای بصری برای همگرایی
• 20. معیارهای کمی برای همگرایی
• 21. تنظیم پارامترهای الگوریتم‌های MCMC
• 22. مدل‌های خطی ساده در Stan
• 23. مدل‌های رگرسیون خطی چندگانه
• 24. مدل‌های خطی با اثرات ثابت
• 25. مدل‌های خطی با اثرات تصادفی
• 26. مدل‌های خطی سلسله‌مراتبی
• 27. مدل‌های رگرسیون لجستیک در Stan
• 28. مدل‌های رگرسیون پواسون
• 29. مدل‌های خطی تعمیم‌یافته (GLM)
• 30. کاربرد GLM در تحلیل داده‌های شمارشی
• 31. کاربرد GLM در تحلیل داده‌های دودویی
• 32. مدل‌های سری زمانی در Stan
• 33. مدل‌های ARIMA
• 34. مدل‌های حالت-فضا
• 35. کاربرد مدل‌های سری زمانی در پیش‌بینی
• 36. مدل‌های مکانی در Stan
• 37. مدل‌های رگرسیون مکانی
• 38. مدل‌های خودهمبستگی مکانی
• 39. کاربرد مدل‌های مکانی در تحلیل داده‌های جغرافیایی
• 40. مدل‌سازی داده‌های پانل در Stan
• 41. مدل‌های اثرات ثابت برای داده‌های پانل
• 42. مدل‌های اثرات تصادفی برای داده‌های پانل
• 43. مدل‌های ترکیبی برای داده‌های پانل
• 44. مقدمه‌ای بر مدل‌های سلسله‌مراتبی
• 45. مدل‌های چندسطحی
• 46. کاربرد مدل‌های سلسله‌مراتبی در علوم اجتماعی
• 47. کاربرد مدل‌های سلسله‌مراتبی در علوم زیستی
• 48. مدل‌های بقا در Stan
• 49. مدل کاکس
• 50. مدل‌های پارامتری بقا
• 51. کاربرد مدل‌های بقا در تحلیل داده‌های پزشکی
• 52. مدل‌سازی عدم قطعیت در پیش‌بینی‌ها
• 53. تفسیر فواصل اطمینان در مدل‌سازی Bayesian
• 54. ارزیابی کیفیت مدل
• 55. انتخاب مدل با استفاده از معیارهای اطلاعاتی
• 56. معیارهای AIC، BIC و WAIC
• 57. اعتبارسنجی متقابل مدل
• 58. استفاده از داده‌های شبیه‌سازی شده برای ارزیابی مدل
• 59. عیب‌یابی مدل‌های Stan
• 60. خطاهای رایج در نوشتن کد Stan
• 61. نکات بهینه‌سازی کد Stan
• 62. استفاده از توابع کمکی در Stan
• 63. مدیریت داده‌های پرت در مدل‌سازی Bayesian
• 64. روش‌های مقاوم در برابر داده‌های پرت
• 65. مقایسه مدل‌های مختلف با استفاده از Stan
• 66. انتقال مدل‌های آماری به Stan
• 67. مدل‌سازی در حوزه‌های مختلف علمی با Stan
• 68. کاربرد Stan در اقتصاد اسلامی
• 69. مدل‌سازی در بانکداری بدون ربا با Stan
• 70. مدل‌سازی در بیمه اتکایی اسلامی با Stan
• 71. کاربرد Stan در تحلیل داده‌های سلامت
• 72. مدل‌سازی در اپیدمیولوژی با Stan
• 73. مدل‌سازی در ژنتیک جمعیت با Stan
• 74. کاربرد Stan در علوم رفتاری
• 75. مدل‌سازی در روانشناسی شناختی با Stan
• 76. مدل‌سازی در جامعه‌شناسی با Stan
• 77. کاربرد Stan در مهندسی
• 78. مدل‌سازی در اطمینان‌پذیری سیستم‌ها با Stan
• 79. مدل‌سازی در تحلیل داده‌های محیط زیست با Stan
• 80. نکات پیشرفته در زبان Stan
• 81. استفاده از پارامترهای کمکی (Auxiliary Parameters)
• 82. تکنیک‌های پیشرفته نمونه‌گیری
• 83. مدل‌سازی با استفاده از توابع سفارشی در Stan
• 84. نوشتن توابع توزیع سفارشی
• 85. بهینه‌سازی عملکرد مدل‌های پیچیده
• 86. مدل‌سازی با استفاده از کتابخانه‌های مرتبط با Stan
• 87. RStan
• 88. PyStan
• 89. JuliaStan
• 90. کاربرد Stan در تحلیل داده‌های بزرگ
• 91. استراتژی‌های نمونه‌گیری برای داده‌های بزرگ
• 92. ارزیابی مدل در مقیاس بزرگ
• 93. مطالعات موردی پیشرفته با استفاده از Stan
• 94. تحلیل داده‌های آزمایشی پیچیده با Stan
• 95. مدل‌سازی پیش‌بینی‌کننده در Stan
• 96. استفاده از Stan برای تصمیم‌گیری مبتنی بر داده
• 97. نکات پایانی و بهترین شیوه‌ها در مدل‌سازی Stan