اپلیکیشن اندرویدی فلش‌کارت آموزشی استفاده از Stan برای تحلیل‌های پیشرفته

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استفاده از Stan برای تحلیل‌های پیشرفته

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی آماری با Stan
• 2. مبانی زبان برنامه‌نویسی Stan
• 3. نصب و راه‌اندازی Stan
• 4. مفاهیم اولیه مدل‌سازی بیزی
• 5. توزیع‌های پیشین و پسین
• 6. مفهوم احتمال شرطی و قضیه بیز
• 7. روش‌های نمونه‌گیری مارکوف چین مونت کارلو (MCMC)
• 8. آشنایی با الگوریتم‌های نمونه‌گیر در Stan
• 9. انتخاب مدل مناسب برای تحلیل
• 10. معیارهای ارزیابی مدل در Stan
• 11. مدل‌های خطی ساده در Stan
• 12. مدل‌های رگرسیون خطی بیزی
• 13. مدل‌های خطی تعمیم‌یافته (GLM) در Stan
• 14. مدل‌های رگرسیون لجستیک بیزی
• 15. مدل‌های پواسون و شمارشی در Stan
• 16. مدل‌های سلسله‌مراتبی
• 17. مفاهیم مدل‌های سلسله‌مراتبی
• 18. مدل‌های سلسله‌مراتبی برای داده‌های گروه‌بندی شده
• 19. مدل‌های اثرات تصادفی
• 20. مدل‌های اثرات ثابت و تصادفی
• 21. کاربرد مدل‌های سلسله‌مراتبی در علوم اجتماعی
• 22. مدل‌های سری زمانی در Stan
• 23. مدل‌های ARIMA بیزی
• 24. مدل‌های حالت فضا (State-space models)
• 25. پیش‌بینی در سری‌های زمانی با Stan
• 26. تحلیل نوسانات در سری‌های زمانی
• 27. مدل‌های مکانی در Stan
• 28. مدل‌های رگرسیون مکانی
• 29. مدل‌های خودهمبستگی مکانی
• 30. تحلیل داده‌های مکانی با Stan
• 31. کاربرد مدل‌های مکانی در مطالعات محیطی
• 32. مدل‌های بقا (Survival analysis)
• 33. مدل کاکس (Cox proportional hazards model)
• 34. مدل‌های بقا پارامتری
• 35. تحلیل زمان تا رویداد در Stan
• 36. مقدمه‌ای بر تحلیل داده‌های پزشکی
• 37. مدل‌های بیزی برای داده‌های پزشکی
• 38. ارزیابی تست‌های تشخیصی در Stan
• 39. کاربرد Stan در اپیدمیولوژی
• 40. تحلیل کارآزمایی‌های بالینی با Stan
• 41. مدل‌سازی معادلات ساختاری (SEM) در Stan
• 42. مبانی SEM
• 43. کاربرد SEM در علوم رفتاری
• 44. مدل‌های اندازه‌گیری در SEM
• 45. تحلیل عاملی تاییدی با Stan
• 46. مدل‌سازی شبکه‌های بیزی
• 47. مفاهیم شبکه‌های بیزی
• 48. ساخت شبکه‌های بیزی در Stan
• 49. استنتاج در شبکه‌های بیزی
• 50. کاربرد شبکه‌های بیزی در هوش مصنوعی
• 51. مدل‌های یادگیری عمیق در Stan
• 52. مقدمه‌ای بر شبکه‌های عصبی
• 53. پیاده‌سازی شبکه‌های عصبی با Stan
• 54. شبکه‌های عصبی کانولوشنی (CNN)
• 55. شبکه‌های عصبی بازگشتی (RNN)
• 56. روش‌های اعتبارسنجی متقابل (Cross-validation)
• 57. کالیبراسیون مدل در Stan
• 58. بهینه‌سازی مدل با Stan
• 59. تحلیل حساسیت در مدل‌های بیزی
• 60. تجزیه و تحلیل عدم قطعیت در Stan
• 61. مدل‌سازی داده‌های گمشده (Missing data)
• 62. روش‌های imputation در Stan
• 63. مدل‌سازی داده‌های گمشده به صورت بیزی
• 64. ارزیابی کیفیت داده‌ها
• 65. پیش‌پردازش داده‌ها برای Stan
• 66. مدل‌سازی داده‌های حجیم (Big data)
• 67. استفاده از Stan با داده‌های بزرگ
• 68. بهینه‌سازی محاسباتی در Stan
• 69. موازی‌سازی در Stan
• 70. استفاده از GPU در Stan
• 71. روش‌های پیشرفته نمونه‌گیری
• 72. نمونه‌گیری با اهمیت (Importance sampling)
• 73. نمونه‌گیری از طریق زنجیره مارکوف (MCMC) با تغییرات
• 74. الگوریتم‌های Hamilton Monte Carlo (HMC)
• 75. الگوریتم‌های No-U-Turn Sampler (NUTS)
• 76. بررسی همگرایی زنجیره‌های مارکوف
• 77. معیارهای تشخیص همگرایی
• 78. تشخیص واگرایی در زنجیره‌ها
• 79. تصحیح واگرایی در مدل‌ها
• 80. گزارش‌دهی نتایج تحلیل‌های بیزی
• 81. تفسیر خروجی‌های Stan
• 82. رسم نمودارهای مربوط به تحلیل‌های بیزی
• 83. ارائه نتایج به صورت علمی
• 84. کاربرد Stan در تحقیقات علمی
• 85. مدل‌سازی اقتصادی با Stan
• 86. تحلیل داده‌های اقتصادی با رویکرد بیزی
• 87. مدل‌های پیش‌بینی اقتصادی
• 88. کاربرد Stan در مدیریت ریسک
• 89. مدل‌سازی مالی با Stan
• 90. تحلیل پرتفوی سهام
• 91. مدل‌سازی قیمت دارایی‌ها
• 92. کاربرد Stan در ارزیابی سرمایه‌گذاری
• 93. مدل‌سازی ریسک اعتباری
• 94. مدل‌سازی پیشرفت تحصیلی
• 95. تحلیل عوامل مؤثر بر پیشرفت تحصیلی
• 96. مدل‌های بیزی برای ارزیابی آموزشی
• 97. کاربرد Stan در سنجش و اندازه‌گیری
• 98. مدل‌سازی رفتار مصرف‌کننده
• 99. تحلیل عوامل مؤثر بر رفتار خرید
• 100. مدل‌های پیش‌بینی رفتار مصرف‌کننده