دوره استفاده از Stan for Advanced Analysis همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب استفاده از Stan for Advanced Analysis

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه ای بر Stan
• 2. چرا Stan؟
• 3. مزایای Stan
• 4. نصب Stan
• 5. نصب RStan
• 6. نصب PyStan
• 7. نصب CmdStan
• 8. نصب Stan در محیط های دیگر (Julia, Python)
• 9. آشنایی با زبان Stan
• 10. ساختار مدل Stan
• 11. بخش `data`
• 12. بخش `parameters`
• 13. بخش `transformed parameters`
• 14. بخش `model`
• 15. بخش `generated quantities`
• 16. انواع داده در Stan
• 17. اعداد صحیح
• 18. اعداد حقیقی
• 19. بردارها
• 20. ماتریس ها
• 21. آرایه ها
• 22. فانکشن های پایه در Stan
• 23. عملیات حسابی
• 24. عملیات مقایسه ای
• 25. عملیات منطقی
• 26. فانکشن های آماری
• 27. فانکشن های ریاضی
• 28. فانکشن های ماتریسی
• 29. فانکشن های احتمالی
• 30. توزیع های احتمال در Stan
• 31. توزیع های گسسته
• 32. توزیع های پیوسته
• 33. توزیع های چند متغیره
• 34. مقدمه ای بر نمونه برداری بیزین
• 35. نظریه نمونه برداری زنجیره مارکوف (MCMC)
• 36. الگوریتم های MCMC در Stan (NUTS, HMC)
• 37. کاربرد MCMC در مدل سازی بیزین
• 38. ساخت اولین مدل بیزین ساده در Stan
• 39. مدل رگرسیون خطی ساده
• 40. تفسیر نتایج اولیه
• 41. تشخیص همگرایی زنجیره ها
• 42. نمودارهای Trace
• 43. آماره های Gelman-Rubin
• 44. آماره های Effective Sample Size (ESS)
• 45. تشخیص و رفع مشکلات همگرایی
• 46. نمونه های متوقف شده (Frozen samples)
• 47. تنظیم پارامترهای الگوریتم MCMC
• 48. تعداد تکرارها (iterations)
• 49. تعداد مراحل گرم کردن (warmup)
• 50. اندازه گام (stepsize)
• 51. تعداد مراحل (number of steps)
• 52. مدل های پیشرفته تر
• 53. رگرسیون خطی چندگانه
• 54. مدل های لجستیک
• 55. مدل های پواسون
• 56. مدل های منفی دوجمله ای
• 57. مدل های سری زمانی
• 58. مدل های فضایی
• 59. مدل های سلسله مراتبی
• 60. مدل های مختلط (Mixed-effects models)
• 61. مدل های خطای اندازه گیری
• 62. مدل های بقا (Survival analysis)
• 63. مدل های رگرسیون کوانتایل
• 64. مدل های رگرسیون پروبیت
• 65. مدل های رگرسیون Tobit
• 66. مدل های طبقه بندی (Classification models)
• 67. مدل های خوشه بندی (Clustering models)
• 68. مدل های شبکه ای (Network models)
• 69. مدل های پردازش زبان طبیعی (NLP)
• 70. مدل های یادگیری عمیق (Deep Learning)
• 71. کاربرد Stan در آمار پزشکی
• 72. کاربرد Stan در اقتصاد
• 73. کاربرد Stan در علوم اجتماعی
• 74. کاربرد Stan در مهندسی
• 75. کاربرد Stan در علوم زیستی
• 76. استفاده از داده های شبیه سازی شده برای تست مدل
• 77. ساخت مدل های سفارشی
• 78. استفاده از فانکشن های سفارشی
• 79. نوشتن فانکشن های کمکی
• 80. استفاده از `log_lik` برای محاسبه احتمال لگاریتمی
• 81. استفاده از `loo` برای مقایسه مدل ها
• 82. اعتبارسنجی متقابل (Cross-validation)
• 83. شاخص اطلاعاتی آکائیکه (AIC)
• 84. شاخص اطلاعاتی بیزینان (BIC)
• 85. شاخص اطلاعاتی WAIC
• 86. شاخص اطلاعاتی LOOIC
• 87. بهینه سازی مدل ها
• 88. کارایی کامپیوتری در Stan
• 89. استفاده از دستورات کامپایل سریع
• 90. استفاده از دستورات موازی سازی
• 91. استفاده از GPU در Stan (در صورت پشتیبانی)
• 92. مدیریت خطاها در Stan
• 93. اشکال زدایی مدل ها
• 94. استفاده از `print` و `reject`
• 95. استفاده از `message` و `warning`
• 96. نکات پیشرفته در زبان Stan
• 97. استفاده از `vectorize`
• 98. استفاده از `integrate_ode`
• 99. استفاده از `integrate_ode_rk45`
• 100. استفاده از `algebra_solver`