اپلیکیشن اندرویدی فلش‌کارت آموزشی کاربردهای تخصصی Stan در آمار بیزی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربردهای تخصصی Stan در آمار بیزی

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر آمار بیزی و مدل‌سازی احتمالاتی
• 2. مفاهیم پایه استنتاج بیزی
• 3. نظریه بیز و قضیه بیز
• 4. احتمال پیشین و احتمال پسین
• 5. تابع درست‌نمایی و نقش آن
• 6. قضیه لایس و اهمیت آن
• 7. مقدمه‌ای بر زبان برنامه‌نویسی R
• 8. نصب و پیکربندی R و RStudio
• 9. کار با داده‌ها در R
• 10. مقدمه‌ای بر زبان برنامه‌نویسی پایتون
• 11. نصب و پیکربندی پایتون و محیط‌های توسعه
• 12. کار با داده‌ها در پایتون
• 13. مقدمه‌ای بر نرم‌افزار Stan
• 14. نصب و پیکربندی Stan
• 15. ساختار کلی برنامه‌های Stan
• 16. مبانی زبان Stan: متغیرها و انواع داده
• 17. عملگرهای پایه در Stan
• 18. ساختارهای کنترلی در Stan: حلقه‌ها و شرط‌ها
• 19. توابع در Stan
• 20. مقدمه‌ای بر مدل‌سازی بیزی برای رگرسیون خطی ساده
• 21. تعریف مدل رگرسیون خطی در Stan
• 22. تعیین توابع پیشین برای پارامترهای رگرسیون
• 23. اجرای مدل و تفسیر نتایج
• 24. مدل‌سازی بیزی برای رگرسیون خطی چندگانه
• 25. تعریف مدل رگرسیون چندگانه در Stan
• 26. انتخاب توابع پیشین مناسب
• 27. تحلیل نتایج مدل رگرسیون چندگانه
• 28. مدل‌سازی بیزی برای رگرسیون لجستیک
• 29. تعریف مدل رگرسیون لجستیک در Stan
• 30. انتخاب توابع پیشین برای پارامترهای لجستیک
• 31. تفسیر احتمالات و نسبت شانس
• 32. مدل‌سازی بیزی برای سری‌های زمانی
• 33. مقدمه‌ای بر مدل‌های سری زمانی
• 34. مدل AR(1) در Stan
• 35. مدل MA(1) در Stan
• 36. مدل ARMA(p,q) در Stan
• 37. مدل‌های ARIMA در Stan
• 38. مدل‌سازی بیزی برای داده‌های شمارشی (Poisson)
• 39. تعریف مدل پواسون در Stan
• 40. انتخاب توابع پیشین برای پارامترهای پواسون
• 41. تفسیر نرخ وقوع
• 42. مدل‌سازی بیزی برای داده‌های شمارشی (Negative Binomial)
• 43. تعریف مدل Negative Binomial در Stan
• 44. مقایسه مدل پواسون و Negative Binomial
• 45. مدل‌سازی بیزی برای داده‌های دودویی (Bernoulli)
• 46. تعریف مدل برنولی در Stan
• 47. مدل‌سازی بیزی برای داده‌های طبقه‌ای (Categorical)
• 48. تعریف مدل طبقه‌ای در Stan
• 49. مدل‌سازی بیزی برای مدل‌های سلسله مراتبی
• 50. مقدمه‌ای بر مدل‌های سلسله مراتبی
• 51. مدل رگرسیون خطی سلسله مراتبی در Stan
• 52. مدل رگرسیون لجستیک سلسله مراتبی در Stan
• 53. استفاده از اثرات تصادفی در مدل‌های سلسله مراتبی
• 54. مدل‌سازی بیزی برای داده‌های فضایی
• 55. مقدمه‌ای بر مدل‌های فضایی
• 56. مدل‌های فضایی ساده در Stan
• 57. مدل‌سازی بیزی برای داده‌های شبکه‌ای
• 58. مقدمه‌ای بر مدل‌های شبکه‌ای
• 59. مدل‌سازی شبکه‌های اجتماعی در Stan
• 60. مقدمه‌ای بر تحلیل عاملی بیزی
• 61. مدل‌سازی عاملی در Stan
• 62. تفسیر عامل‌ها و بارگذاری‌ها
• 63. مقدمه‌ای بر مدل‌های مخلوط (Mixture Models)
• 64. مدل‌های مخلوط در Stan
• 65. کاربرد مدل‌های مخلوط در خوشه‌بندی
• 66. مقدمه‌ای بر روش‌های نمونه‌گیری MCMC
• 67. معرفی الگوریتم‌های Metropolis-Hastings و Gibbs Sampling
• 68. کاربرد MCMC در Stan
• 69. ارزیابی همگرایی زنجیره‌های مارکوف
• 70. شاخص‌های همگرایی (R-hat, ESS)
• 71. تشخیص مشکلات همگرایی
• 72. کاربرد Stan در مطالعات علمی
• 73. مثال‌های عملی از کاربرد Stan در علوم زیستی
• 74. مثال‌های عملی از کاربرد Stan در علوم اجتماعی
• 75. مثال‌های عملی از کاربرد Stan در علوم اقتصادی
• 76. مثال‌های عملی از کاربرد Stan در علوم مهندسی
• 77. بهینه‌سازی مدل‌ها در Stan
• 78. نکات پیشرفته در نوشتن کدهای Stan
• 79. مدیریت خطاهای رایج در Stan
• 80. مقایسه Stan با سایر نرم‌افزارهای آماری بیزی
• 81. کاربرد Stan در تحقیقات دانشگاهی
• 82. نوشتن گزارش‌های آماری بیزی با استفاده از Stan
• 83. استانداردهای گزارش‌نویسی در حوزه آمار بیزی
• 84. کاربرد Stan در حل مسائل پیچیده آماری
• 85. مقدمه‌ای بر پیش‌بینی با مدل‌های بیزی
• 86. ارزیابی عملکرد مدل‌های پیش‌بینی
• 87. تکنیک‌های بهبود پیش‌بینی
• 88. مباحث پیشرفته در مدل‌سازی بیزی
• 89. مدل‌سازی بیزی برای داده‌های گمشده
• 90. مدل‌سازی بیزی برای داده‌های پرت
• 91. مدل‌سازی بیزی برای داده‌های حجیم
• 92. کاربرد Stan در هوش مصنوعی و یادگیری ماشین
• 93. مقدمه‌ای بر یادگیری ماشین بیزی
• 94. مدل‌های بیزی در یادگیری ماشین
• 95. مقدمه‌ای بر شبکه‌های بیزی
• 96. کاربرد شبکه‌های بیزی در Stan
• 97. مقدمه‌ای بر مدل‌های حالت-فضای بیزی
• 98. مدل‌سازی حالت-فضای در Stan
• 99. کاربرد مدل‌های حالت-فضای بیزی
• 100. مقدمه‌ای بر استنتاج بیزی غیر پارامتری