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. آشنایی با زبان برنامه‌نویسی پایتون
• 2. مبانی برنامه‌نویسی در پایتون
• 3. انواع داده‌ها در پایتون
• 4. ساختارهای کنترلی: شرط‌ها
• 5. ساختارهای کنترلی: حلقه‌ها
• 6. توابع در پایتون
• 7. کار با رشته‌ها در پایتون
• 8. کار با لیست‌ها در پایتون
• 9. کار با تاپل‌ها در پایتون
• 10. کار با دیکشنری‌ها در پایتون
• 11. کار با مجموعه‌ها در پایتون
• 12. مدیریت خطا و استثنائات
• 13. مقدمه‌ای بر پردازش داده‌ها
• 14. نصب و راه‌اندازی کتابخانه‌های علمی
• 15. آشنایی با NumPy
• 16. عملیات پایه‌ای با NumPy
• 17. آرایه‌های چندبعدی در NumPy
• 18. عملیات ریاضی با NumPy
• 19. توابع آماری در NumPy
• 20. جستجو و مرتب‌سازی در NumPy
• 21. کار با فایل‌ها در NumPy
• 22. آشنایی با Pandas
• 23. ساختار داده Series در Pandas
• 24. ساختار داده DataFrame در Pandas
• 25. بارگذاری داده‌ها از فایل‌های CSV
• 26. بارگذاری داده‌ها از فایل‌های Excel
• 27. انتخاب و فیلتر کردن داده‌ها
• 28. دستکاری و تبدیل داده‌ها
• 29. ادغام و ترکیب DataFrames
• 30. گروه‌بندی و تجمیع داده‌ها
• 31. کار با داده‌های گمشده
• 32. کار با داده‌های تاریخ و زمان
• 33. مقدمه‌ای بر مصورسازی داده‌ها
• 34. مصورسازی با Matplotlib
• 35. رسم نمودارهای خطی
• 36. رسم نمودارهای پراکندگی
• 37. رسم نمودارهای میله‌ای
• 38. رسم نمودارهای هیستوگرام
• 39. تنظیمات پیشرفته Matplotlib
• 40. آشنایی با Seaborn
• 41. نمودارهای آماری با Seaborn
• 42. نمودارهای توزیع با Seaborn
• 43. نمودارهای رابطه‌ای با Seaborn
• 44. نمودارهای دسته‌بندی با Seaborn
• 45. مقدمه‌ای بر مدل‌سازی آماری
• 46. مفاهیم پایه احتمال
• 47. توزیع‌های احتمالی گسسته
• 48. توزیع‌های احتمالی پیوسته
• 49. مفاهیم استنباط آماری
• 50. برآورد پارامترها
• 51. آزمون فرض آماری
• 52. مقدمه‌ای بر مدل‌های خطی
• 53. رگرسیون خطی ساده
• 54. رگرسیون خطی چندگانه
• 55. ارزیابی مدل‌های رگرسیون
• 56. آشنایی با Stan
• 57. نصب و راه‌اندازی Stan
• 58. مبانی زبان Stan
• 59. ساختار یک مدل در Stan
• 60. تعریف متغیرهای داده
• 61. تعریف پارامترهای مدل
• 62. تعریف توابع زیست‌نما
• 63. تعریف توابع پسین
• 64. کامپایل مدل در Stan
• 65. اجرای نمونه‌گیر MCMC
• 66. تفسیر نتایج MCMC
• 67. تشخیص همگرایی نمونه‌گیر
• 68. تنظیمات پیشرفته Stan
• 69. کاربرد Stan در آمار بیزی
• 70. مدل‌های رگرسیون بیزی
• 71. مدل‌های سلسله‌مراتبی بیزی
• 72. مدل‌های سری زمانی بیزی
• 73. مدل‌های بقا بیزی
• 74. مدل‌های لجستیک بیزی
• 75. مدل‌های طبقه‌بندی بیزی
• 76. کاربرد Stan در علوم داده
• 77. تحلیل داده‌های زیست‌شناسی با Stan
• 78. تحلیل داده‌های اقتصادی با Stan
• 79. تحلیل داده‌های علوم اجتماعی با Stan
• 80. تحلیل داده‌های مهندسی با Stan
• 81. تحلیل داده‌های علوم محیطی با Stan
• 82. مدل‌سازی پیش‌بینی با Stan
• 83. مقدمه‌ای بر بهینه‌سازی
• 84. حل مسائل بهینه‌سازی با Stan
• 85. بهینه‌سازی مقید و نامقید
• 86. کاربرد Stan در بهینه‌سازی
• 87. نوشتن تابع هزینه در Stan
• 88. نوشتن قیود در Stan
• 89. اجرای الگوریتم‌های بهینه‌سازی
• 90. تفسیر نتایج بهینه‌سازی
• 91. کاربرد Stan در یادگیری ماشین
• 92. مقدمه‌ای بر شبکه‌های عصبی
• 93. مدل‌سازی آماری پیشرفته با Stan
• 94. کاربرد Stan در تحقیقات علمی
• 95. ملاحظات اخلاقی در تحلیل داده‌ها
• 96. اصول گزارش‌دهی نتایج آماری
• 97. مقدمه‌ای بر نرم‌افزارهای آماری جایگزین
• 98. مقایسه Stan با سایر ابزارها
• 99. مباحث پیشرفته در مدل‌سازی آماری
• 100. کاربرد Stan در مسائل پیچیده