دوره کاربرد Stan در زبانهای مختلف: انعطافپذیری در مدلسازی آماری همراه با فلشکارت آموزشی — ارائه روی فلش مموری
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره کاربرد Stan در زبانهای مختلف: انعطافپذیری در مدلسازی آماری
موضوع کلی: روشهای نمونهگیری مونتکارلو مارکوف (MCMC) در آمار بیزی
موضوع میانی: ادغام Stan با R، Python و سایر زبانها
📋 سرفصلهای دوره
- 1. مقدمهای بر مدلسازی آماری و زبانهای برنامهنویسی
- 2. آشنایی با مفاهیم اصلی مدلسازی آماری
- 3. مبانی احتمال و توزیعهای آماری
- 4. مفاهیم پایه در زبانهای برنامهنویسی
- 5. نصب و پیکربندی محیط Stan
- 6. ساختار کلی برنامههای Stan
- 7. نوشتن اولین مدل ساده در Stan
- 8. انواع متغیرها و دادهها در Stan
- 9. دستورات پایهای زبان Stan
- 10. توابع داخلی و کتابخانههای Stan
- 11. مدلهای خطی ساده در Stan
- 12. رگرسیون خطی چندگانه در Stan
- 13. مدلهای خطی تعمیمیافته (GLM)
- 14. مدلهای خطی تعمیمیافته با توزیع پواسون
- 15. مدلهای خطی تعمیمیافته با توزیع دوجملهای
- 16. مدلهای سلسلهمراتبی (Hierarchical Models)
- 17. مفاهیم مدلهای سلسلهمراتبی
- 18. پیادهسازی مدلهای سلسلهمراتبی در Stan
- 19. مدلهای اثرات مختلط (Mixed-Effects Models)
- 20. کاربرد مدلهای اثرات مختلط در اقتصاد
- 21. مدلهای اثرات مختلط در علوم اجتماعی
- 22. مدلهای پویایی سیستم (System Dynamics)
- 23. معرفی مفاهیم دینامیک سیستم
- 24. پیادهسازی مدلهای دینامیک سیستم در Stan
- 25. مدلسازی سریهای زمانی (Time Series)
- 26. مفاهیم پایه در تحلیل سریهای زمانی
- 27. مدلهای ARIMA در Stan
- 28. مدلهای حالت-فضا (State-Space Models)
- 29. پیادهسازی مدلهای حالت-فضا در Stan
- 30. مدلسازی دادههای مکانی (Spatial Data)
- 31. مفاهیم پایه در تحلیل دادههای مکانی
- 32. مدلهای مکانی در Stan
- 33. مدلسازی دادههای خوشهای (Clustering)
- 34. الگوریتمهای خوشهبندی
- 35. پیادهسازی مدلهای خوشهبندی در Stan
- 36. مدلسازی شبکهها (Network Analysis)
- 37. مفاهیم پایه در تحلیل شبکهها
- 38. مدلسازی شبکهها در Stan
- 39. مدلهای بیزی (Bayesian Models)
- 40. مبانی استنتاج بیزی
- 41. پیادهسازی مدلهای بیزی در Stan
- 42. مفاهیم پیشین (Prior Distributions)
- 43. انتخاب توزیعهای پیشین مناسب
- 44. توزیعهای پیشین غیر اطلاعاتی (Non-informative Priors)
- 45. توزیعهای پیشین اطلاعاتی (Informative Priors)
- 46. توزیع پیشین برای پارامترهای رگرسیون
- 47. توزیع پیشین برای واریانسها
- 48. مفاهیم پسین (Posterior Distributions)
- 49. محاسبه توزیع پسین
- 50. نمونهگیری از توزیع پسین (MCMC)
- 51. الگوریتمهای نمونهگیری مارکوف چین مونت کارلو (MCMC)
- 52. الگوریتم Gibbs Sampling
- 53. الگوریتم Metropolis-Hastings
- 54. الگوریتم No-U-Turn Sampler (NUTS)
- 55. ارزیابی همگرایی (Convergence) مدلهای MCMC
- 56. معیارهای ارزیابی همگرایی
- 57. نمودارهای Trace Plot
- 58. مقدار R-hat
- 59. تفسیر نتایج MCMC
- 60. نمونهگیری از توزیع پسین با Stan
- 61. استفاده از Stan برای مدلهای پیچیده
- 62. مدلسازی دادههای گمشده (Missing Data)
- 63. روشهای مقابله با دادههای گمشده
- 64. پیادهسازی imputation در Stan
- 65. مدلسازی دادههای طولانی (Longitudinal Data)
- 66. مفاهیم دادههای طولانی
- 67. مدلسازی دادههای طولانی در Stan
- 68. مدلسازی دادههای بقا (Survival Data)
- 69. مفاهیم تحلیل بقا
- 70. مدلسازی دادههای بقا در Stan
- 71. مدلسازی انتخاب گسسته (Discrete Choice Models)
- 72. مفاهیم انتخاب گسسته
- 73. مدلسازی انتخاب گسسته در Stan
- 74. مدلسازی مدلهای آمیخته (Mixture Models)
- 75. مفاهیم مدلهای آمیخته
- 76. مدلسازی مدلهای آمیخته در Stan
- 77. مدلسازی فضایی-زمانی (Spatio-temporal Models)
- 78. مفاهیم مدلسازی فضایی-زمانی
- 79. مدلسازی فضایی-زمانی در Stan
- 80. بهینهسازی مدلها در Stan
- 81. تنظیم پارامترهای نمونهگیری
- 82. اعتبارسنجی متقابل (Cross-validation)
- 83. مقایسه مدلها
- 84. مدلسازی در زبانهای برنامهنویسی دیگر با Stan
- 85. رابط Stan با R
- 86. رابط Stan با Python
- 87. رابط Stan با Julia
- 88. رابط Stan با Stata
- 89. رابط Stan با MATLAB
- 90. کاربرد Stan در علوم اقتصادی
- 91. کاربرد Stan در علوم اجتماعی
- 92. کاربرد Stan در علوم زیستی
- 93. کاربرد Stan در علوم مهندسی
- 94. کاربرد Stan در علوم پزشکی
- 95. کاربرد Stan در تحلیل دادههای کلان
- 96. نکات پیشرفته در Stan
- 97. ساخت توابع سفارشی در Stan
- 98. بهینهسازی کد Stan
- 99. اشکالزدایی (Debugging) مدلهای Stan
- 100. نکات امنیتی در استفاده از Stan
محتویات بسته آموزشی
🌐 سامانه آنلاین فلشکارت؛ مرور هدفمند و هوشمند
اکانت ارائهشده، دسترسی به نسخه تحت وب سامانه فلشکارت ویژه این دوره را فراهم میکند. این سامانه از الگوریتم زمانبندی مرور SM-2 استفاده میکند و بر اساس ارزیابی شما از میزان یادآوری هر کارت، زمان مرورهای بعدی را تنظیم میکند.
به این ترتیب، کارتهای دشوارتر میتوانند زودتر مرور شوند و برای تثبیت مطالب در حافظه، برنامه مرور متناسبتری داشته باشید.
مدتزمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج میشود.
گواهی دوزبانه با استعلام آنلاین
پس از تکمیل فعالیتهای لازم و تأیید درخواست، گواهی پایان دوره به زبان فارسی و انگلیسی صادر میشود. گواهی دارای لینک اختصاصی و QR Code برای بررسی و استعلام آنلاین است.
این گواهی صرفاً بهعنوان گواهی اتمام دوره آموزشی صادر میشود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نیست. صدور آن منوط به تکمیل شرایط دوره و تأیید نهایی درخواست است.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.