دوره ملاحظات کلیدی در استفاده از Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ملاحظات کلیدی در استفاده از Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی آماری و استنتاج بیزی
• 2. مبانی احتمال و استنتاج آماری
• 3. معرفی نرم‌افزار Stan و معماری آن
• 4. نصب و پیکربندی Stan
• 5. مبانی زبان Stan: ساختار و سینتکس
• 6. انواع مدل‌های آماری در Stan
• 7. مدل‌های خطی تعمیم‌یافته (GLMs)
• 8. مدل‌های رگرسیون خطی در Stan
• 9. مدل‌های رگرسیون لجستیک در Stan
• 10. مدل‌های رگرسیون پواسون در Stan
• 11. مدل‌های سلسله‌مراتبی (Hierarchical Models)
• 12. مفاهیم مدل‌های سلسله‌مراتبی
• 13. پیاده‌سازی مدل‌های سلسله‌مراتبی در Stan
• 14. مدل‌های اثرات مختلط (Mixed-Effects Models)
• 15. مدل‌های اثرات ثابت و تصادفی
• 16. کاربرد مدل‌های اثرات مختلط در Stan
• 17. مدل‌سازی سری‌های زمانی (Time Series Modeling)
• 18. مقدمه‌ای بر سری‌های زمانی
• 19. مدل‌های ARIMA در Stan
• 20. مدل‌های حالت-فضا (State-Space Models)
• 21. مدل‌سازی داده‌های مکانی (Spatial Modeling)
• 22. مفاهیم مدل‌سازی مکانی
• 23. مدل‌های رگرسیون مکانی در Stan
• 24. مدل‌سازی داده‌های شبکه‌ای (Network Modeling)
• 25. مقدمه‌ای بر تحلیل شبکه‌ها
• 26. مدل‌های شبکه‌ای در Stan
• 27. مدل‌سازی بقا (Survival Analysis)
• 28. مفاهیم تحلیل بقا
• 29. مدل‌های کاکس (Cox Models) در Stan
• 30. مدل‌های پارامتریک بقا در Stan
• 31. مدل‌سازی داده‌های گسسته (Discrete Data Modeling)
• 32. مدل‌های شمارشی (Count Models)
• 33. مدل‌های طبقه‌بندی (Classification Models)
• 34. مدل‌های تصمیم‌گیری (Decision Models)
• 35. مقدمه‌ای بر یادگیری ماشین بیزی
• 36. شبکه‌های بیزی (Bayesian Networks)
• 37. پیاده‌سازی شبکه‌های بیزی در Stan
• 38. مدل‌های گرافیکی (Graphical Models)
• 39. استنتاج قوی و مدل‌های پیچیده
• 40. استفاده از پارامسهولدرها (Parameterization)
• 41. تکنیک‌های نمونه‌برداری پیشرفته در Stan
• 42. روش‌های MCMC (Markov Chain Monte Carlo)
• 43. تشخیص همگرایی (Convergence Diagnostics)
• 44. تفسیر نتایج MCMC
• 45. ارزیابی برازش مدل (Model Fit Evaluation)
• 46. معیارهای اطلاعاتی (Information Criteria)
• 47. اعتبارسنجی متقابل (Cross-Validation)
• 48. بررسی باقیمانده‌ها (Residual Analysis)
• 49. مدل‌سازی داده‌های پرت (Outlier Modeling)
• 50. مدل‌سازی عدم قطعیت (Uncertainty Quantification)
• 51. انتقال دانش از مدل‌های بیزی
• 52. مدل‌سازی پیش‌بینی (Predictive Modeling)
• 53. تولید پیش‌بینی و فواصل اطمینان
• 54. ارزیابی عملکرد پیش‌بینی
• 55. مقایسه مدل‌ها
• 56. انتخاب مدل بر اساس معیارهای بیزی
• 57. استفاده از Stan در تحقیقات علوم اجتماعی
• 58. کاربرد در اقتصاد سنجی بیزی
• 59. کاربرد در روانشناسی بیزی
• 60. کاربرد در جامعه‌شناسی بیزی
• 61. کاربرد در علوم سیاسی بیزی
• 62. کاربرد در علوم پزشکی بیزی
• 63. کاربرد در آمار زیستی بیزی
• 64. کاربرد در علوم محیط زیست بیزی
• 65. کاربرد در مهندسی بیزی
• 66. کاربرد در علوم کامپیوتر بیزی
• 67. کاربرد در مدیریت بیزی
• 68. کاربرد در آمار مالی بیزی
• 69. کاربرد در آمار ورزشی بیزی
• 70. کاربرد در تحلیل داده‌های بزرگ (Big Data)
• 71. تکنیک‌های بهینه‌سازی برای مدل‌های بزرگ
• 72. موازای‌سازی و محاسبات توزیع‌شده در Stan
• 73. استفاده از Stan با زبان‌های برنامه‌نویسی دیگر (R, Python)
• 74. رابط‌های برنامه‌نویسی کاربردی (APIs)
• 75. اتصال Stan به پایگاه‌های داده
• 76. تجسم نتایج مدل‌سازی
• 77. رسم نمودارهای احتمال پسین (Posterior Plots)
• 78. رسم نمودارهای پیش‌بینی (Predictive Plots)
• 79. رسم نمودارهای حساسیت (Sensitivity Plots)
• 80. تجسم داده‌های پیچیده
• 81. مقدمه‌ای بر تحلیل عاملی بیزی
• 82. مدل‌های عاملی خطی در Stan
• 83. مدل‌های عاملی غیرخطی در Stan
• 84. ملاحظات اخلاقی در مدل‌سازی آماری
• 85. مسئولیت‌پذیری در استفاده از داده‌ها
• 86. شفافیت در فرآیند مدل‌سازی
• 87. کاربرد Stan در مطالعات میان‌رشته‌ای
• 88. چالش‌های مدل‌سازی در حوزه‌های جدید
• 89. آینده مدل‌سازی آماری بیزی با Stan
• 90. پیشرفت‌های اخیر در Stan
• 91. درس‌های آموخته از پروژه‌های عملی
• 92. تمرین‌های پیشرفته با Stan
• 93. پروژه‌های کاربردی با Stan
• 94. بررسی مقالات علمی مرتبط با Stan
• 95. مباحث پیشرفته در نمونه‌گیری بیزی