دوره استفاده از Stan برای تحلیل‌های پیشرفته همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 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 و بیزی
• 2. مفاهیم پایه احتمال و آمار
• 3. آشنایی با زبان برنامه‌نویسی R
• 4. مقدمه‌ای بر نرم‌افزار Stan
• 5. نصب و راه‌اندازی Stan
• 6. انواع مدل‌های آماری
• 7. مفاهیم استنتاج بیزی
• 8. قضیه بیز و کاربردهای آن
• 9. توزیع‌های پیشین و پسین
• 10. روش‌های نمونه‌گیری مارکوف زنجیره‌ای مونت کارلو (MCMC)
• 11. مفاهیم ارزیابی مدل‌های بیزی
• 12. تشخیص همگرایی در MCMC
• 13. شاخص‌های ارزیابی همگرایی
• 14. مدل‌های خطی تعمیم‌یافته (GLM)
• 15. مدل‌های رگرسیون خطی بیزی
• 16. مدل‌های رگرسیون لجستیک بیزی
• 17. مدل‌های رگرسیون پواسون بیزی
• 18. مدل‌های سلسله‌مراتبی
• 19. مزایای مدل‌های سلسله‌مراتبی
• 20. مدل‌های سلسله‌مراتبی برای داده‌های خوشه‌ای
• 21. مدل‌های سلسله‌مراتبی برای داده‌های طولی
• 22. مدل‌های ناپارامتریک بیزی
• 23. فرآیندهای گوسی
• 24. کاربرد فرآیندهای گوسی در رگرسیون
• 25. مدل‌های سری زمانی بیزی
• 26. مدل‌های ARIMA بیزی
• 27. مدل‌های حالت فضا بیزی
• 28. مدل‌های پنهان مارکوف (HMM)
• 29. مدل‌های گرافیکی احتمالی
• 30. شبکه‌های بیزی
• 31. کاربرد شبکه‌های بیزی در استنتاج
• 32. مدل‌های ساختاری معادلات (SEM) بیزی
• 33. مدل‌های عامل پنهان بیزی
• 34. مدل‌های اندازه‌گیری بیزی
• 35. مدل‌های پیش‌بینی بیزی
• 36. مدل‌های تشخیص الگو بیزی
• 37. مدل‌های یادگیری ماشین بیزی
• 38. شبکه‌های عصبی بیزی
• 39. ماشین‌های بردار پشتیبان بیزی
• 40. تکنیک‌های بهبود کارایی Stan
• 41. استفاده از کامپایلر C++ با Stan
• 42. بهینه‌سازی کد Stan
• 43. کتابخانه‌های کمکی برای Stan
• 44. کاربرد Stan در علوم زیستی
• 45. مدل‌سازی داده‌های ژنتیکی با Stan
• 46. مدل‌سازی داده‌های اپیدمیولوژیک با Stan
• 47. کاربرد Stan در علوم اجتماعی
• 48. مدل‌سازی داده‌های پیمایشی با Stan
• 49. مدل‌سازی داده‌های اقتصادی با Stan
• 50. کاربرد Stan در علوم محیطی
• 51. مدل‌سازی داده‌های آب و هوایی با Stan
• 52. مدل‌سازی داده‌های زیست‌محیطی با Stan
• 53. کاربرد Stan در مهندسی
• 54. مدل‌سازی قابلیت اطمینان با Stan
• 55. مدل‌سازی داده‌های سیگنال با Stan
• 56. مدل‌سازی پیشرفته برای داده‌های حجیم
• 57. تکنیک‌های نمونه‌گیری پیشرفته
• 58. روش‌های نمونه‌گیری اهمیت
• 59. روش‌های نمونه‌گیری شبه‌تصادفی
• 60. روش‌های استنتاج تقریبی
• 61. استنتاج بیزی تقریبی (Variational Inference)
• 62. استفاده از Stan برای استنتاج تقریبی
• 63. مدل‌های بیزی برای داده‌های ناقص
• 64. مدل‌های مختلط بیزی
• 65. مدل‌های بیزی پویا
• 66. شبیه‌سازی در Stan
• 67. تولید داده‌های شبیه‌سازی شده
• 68. ارزیابی صحت مدل با داده‌های شبیه‌سازی شده
• 69. انتقال یادگیری در مدل‌های بیزی
• 70. مدل‌های بیزی برای تشخیص ناهنجاری
• 71. مدل‌های بیزی برای داده‌های مکانی-زمانی
• 72. مدل‌های بیزی برای پردازش زبان طبیعی
• 73. مدل‌های بیزی برای بینایی ماشین
• 74. مدل‌های بیزی برای سیستم‌های توصیه‌گر
• 75. مدل‌های بیزی برای تحلیل شبکه‌های اجتماعی
• 76. مدل‌های بیزی برای بهینه‌سازی
• 77. مدل‌های بیزی برای داده‌های تصویر
• 78. مدل‌های بیزی برای داده‌های ویدئو
• 79. مدل‌های بیزی برای داده‌های صوتی
• 80. مدل‌های بیزی برای داده‌های متنی
• 81. مدل‌های بیزی برای داده‌های حسگر
• 82. مدل‌های بیزی برای داده‌های پزشکی
• 83. مدل‌های بیزی برای داده‌های مالی
• 84. مدل‌های بیزی برای داده‌های حقوقی
• 85. مدل‌های بیزی برای داده‌های آموزشی
• 86. مدل‌های بیزی برای داده‌های ورزشی
• 87. مدل‌های بیزی برای داده‌های حمل و نقل
• 88. مدل‌های بیزی برای داده‌های انرژی
• 89. مدل‌های بیزی برای داده‌های کشاورزی
• 90. مدل‌های بیزی برای داده‌های گردشگری
• 91. مدل‌های بیزی برای داده‌های فرهنگی
• 92. مدل‌های بیزی برای داده‌های تاریخی
• 93. مدل‌های بیزی برای داده‌های فلسفی
• 94. مدل‌های بیزی برای داده‌های مذهبی (با رعایت چارچوب رسمی)
• 95. مدل‌های بیزی برای داده‌های روانشناختی (با رعایت چارچوب رسمی)
• 96. اصول اخلاقی در تحلیل داده‌های بیزی
• 97. ارائه نتایج تحلیل‌های بیزی
• 98. تفسیر نتایج مدل‌های پیچیده
• 99. چالش‌های عملی در پیاده‌سازی مدل‌های بیزی
• 100. آینده مدل‌سازی بیزی با Stan