دوره مخاطرات و تنظیمات کلیدی در Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مخاطرات و تنظیمات کلیدی در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. آشنایی با زبان برنامه‌نویسی Stan
• 2. مفاهیم پایه‌ای Stan: متغیرها و انواع داده
• 3. ساختارهای کنترلی در Stan: شرط‌ها و حلقه‌ها
• 4. توابع و ماژول‌ها در Stan
• 5. مقدمه‌ای بر مدل‌سازی آماری بیزی
• 6. کاربرد Bayesian Inference در Stan
• 7. مفاهیم احتمال و آمار مورد نیاز برای Stan
• 8. توزیع‌های احتمال رایج در Stan
• 9. فرایندهای تصادفی و مدل‌سازی آن‌ها در Stan
• 10. مقدمه‌ای بر مدل‌های خطی در Stan
• 11. مدل‌های خطی تعمیم‌یافته (GLM) در Stan
• 12. مدل‌های رگرسیون خطی ساده در Stan
• 13. مدل‌های رگرسیون خطی چندگانه در Stan
• 14. مقدمه‌ای بر مدل‌های سلسله‌مراتبی در Stan
• 15. مدل‌های سلسله‌مراتبی خطی در Stan
• 16. مدل‌های سلسله‌مراتبی غیرخطی در Stan
• 17. مدل‌های اثرات مختلط در Stan
• 18. مدل‌های سری زمانی در Stan
• 19. مدل‌های اتورگرسیو (AR) در Stan
• 20. مدل‌های میانگوین متحرک (MA) در Stan
• 21. مدل‌های ARMA و ARIMA در Stan
• 22. مدل‌های فضایی در Stan
• 23. مقدمه‌ای بر مدل‌سازی احتمالاتی گرافیکی
• 24. شبکه‌های بیزی در Stan
• 25. میدان‌های تصادفی مارکوف در Stan
• 26. مدل‌های یادگیری ماشین در Stan
• 27. رگرسیون لجستیک در Stan
• 28. طبقه‌بندی‌کننده‌های بیزی در Stan
• 29. ماشین‌های بردار پشتیبان (SVM) در Stan
• 30. درخت‌های تصمیم در Stan
• 31. جنگل‌های تصادفی در Stan
• 32. شبکه‌های عصبی در Stan
• 33. یادگیری عمیق در Stan
• 34. روش‌های نمونه‌برداری در Stan
• 35. نمونه‌برداری مونت کارلو زنجیره مارکوف (MCMC)
• 36. الگوریتم گیبس در Stan
• 37. الگوریتم هامیلتونی مونت کارلو (HMC)
• 38. الگوریتم نمونه‌برداری از حالت‌های متغیر (NUTS)
• 39. ارزیابی همگرایی مدل‌های MCMC
• 40. شاخص‌های همگرایی (R-hat, ESS)
• 41. تشخیص و رفع مشکلات همگرایی
• 42. اعتبارسنجی مدل در Stan
• 43. بررسی باقی‌مانده‌ها در Stan
• 44. تست‌های فرض در مدل‌های بیزی
• 45. مقایسه مدل‌ها در Stan
• 46. معیارهای اطلاعاتی (AIC, BIC)
• 47. اعتبارسنجی متقابل (Cross-validation)
• 48. مدل‌سازی داده‌های گمشده در Stan
• 49. روش‌های جایگزینی داده‌های گمشده
• 50. مدل‌سازی داده‌های گمشده با استفاده از Stan
• 51. مدل‌سازی داده‌های پرت در Stan
• 52. شناسایی و مدیریت داده‌های پرت
• 53. مدل‌سازی داده‌های پرت با استفاده از Stan
• 54. مقدمه‌ای بر بهینه‌سازی در Stan
• 55. روش‌های بهینه‌سازی بیزی
• 56. بهینه‌سازی پارامترهای مدل در Stan
• 57. مقدمه‌ای بر شبیه‌سازی در Stan
• 58. شبیه‌سازی داده‌ها از مدل‌های بیزی
• 59. تحلیل حساسیت در Stan
• 60. تحلیل سناریو در Stan
• 61. کاربرد Stan در اقتصاد سنجی
• 62. مدل‌های اقتصاد سنجی بیزی
• 63. کاربرد Stan در علوم زیستی
• 64. مدل‌سازی داده‌های ژنتیکی در Stan
• 65. کاربرد Stan در علوم اجتماعی
• 66. مدل‌سازی داده‌های نظرسنجی در Stan
• 67. مدل‌سازی داده‌های شبکه‌های اجتماعی در Stan
• 68. کاربرد Stan در علوم محیطی
• 69. مدل‌سازی داده‌های آب و هوایی در Stan
• 70. مدل‌سازی داده‌های زیست‌محیطی در Stan
• 71. کاربرد Stan در مهندسی
• 72. مدل‌سازی قابلیت اطمینان در Stan
• 73. مدل‌سازی سیستم‌های پیچیده در Stan
• 74. کاربرد Stan در یادگیری آماری
• 75. یادگیری تقویتی در Stan
• 76. یادگیری عمیق برای داده‌های ساختاریافته
• 77. مقدمه‌ای بر ابزارهای مصورسازی داده در Stan
• 78. مصورسازی نتایج مدل‌های بیزی
• 79. رسم نمودارهای توزیع پسین
• 80. رسم نمودارهای سری زمانی
• 81. رسم نمودارهای فضایی
• 82. رسم نمودارهای مقایسه‌ای
• 83. نوشتن کد بهینه در Stan
• 84. بهبود سرعت اجرای کد Stan
• 85. استفاده از کامپایلرهای پیشرفته
• 86. اشکال‌زدایی کد Stan
• 87. مدیریت خطاهای رایج در Stan
• 88. مستندسازی کد Stan
• 89. اصول طراحی مدل‌های آماری در Stan
• 90. انتخاب توزیع‌های پیشین مناسب
• 91. انتخاب توزیع‌های پسین مناسب
• 92. ملاحظات اخلاقی در استفاده از مدل‌های آماری
• 93. حفظ حریم خصوصی داده‌ها
• 94. شفافیت در مدل‌سازی
• 95. مسئولیت‌پذیری در نتایج آماری
• 96. مقدمه‌ای بر مفاهیم پیشرفته در Stan
• 97. مدل‌های بیزی سلسله‌مراتبی پیچیده
• 98. مدل‌های بیزی برای داده‌های حجیم
• 99. استفاده از Stan در محاسبات توزیع‌شده
• 100. اتصال Stan به سایر زبان‌های برنامه‌نویسی