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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استفاده از Stan for Advanced Analysis

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مبانی احتمال و آمار در تحلیل داده
• 2. مقدمه‌ای بر مدل‌سازی آماری
• 3. مفاهیم اولیه در اقتصاد سنجی
• 4. مقدمه ای بر زبان برنامه نویسی R
• 5. نصب و پیکربندی RStudio
• 6. کار با داده ها در R
• 7. مقدمات تحلیل سری های زمانی
• 8. تحلیل اکتشافی داده ها
• 9. مقدمه ای بر مدل های خطی تعمیم یافته
• 10. مفاهیم رگرسیون خطی چندگانه
• 11. تشخیص و رفع ناهمگونی و خودهمبستگی
• 12. مقدمه ای بر مدل های رگرسیون لجستیک
• 13. کاربرد مدل های رگرسیون لجستیک
• 14. مقدمه ای بر مدل های سری های زمانی پویا
• 15. مدل های ARMA و ARIMA
• 16. بررسی ایستایی سری های زمانی
• 17. برآورد پارامترها در مدل های ARIMA
• 18. پیش بینی با مدل های ARIMA
• 19. مقدمه ای بر مدل های GARCH
• 20. مدل های GARCH برای نوسانات
• 21. کاربرد مدل های GARCH در اقتصاد
• 22. مقدمه ای بر مدل های رگرسیون کوانتایل
• 23. کاربرد رگرسیون کوانتایل در تحلیل داده
• 24. تحلیل علیت گرنجر
• 25. مقدمه ای بر تحلیل عاملی
• 26. کاربرد تحلیل عاملی در پژوهش
• 27. مقدمه ای بر تحلیل خوشه ای
• 28. کاربرد تحلیل خوشه ای در بازاریابی
• 29. مقدمه ای بر مدل های معادلات ساختاری
• 30. کاربرد مدل های معادلات ساختاری در علوم اجتماعی
• 31. مقدمه ای بر شبیه سازی مونت کارلو
• 32. کاربرد شبیه سازی مونت کارلو در مالی
• 33. مقدمه ای بر یادگیری ماشین
• 34. الگوریتم های یادگیری ماشین نظارت شده
• 35. الگوریتم های یادگیری ماشین بدون نظارت
• 36. مقدمه ای بر درخت های تصمیم
• 37. کاربرد درخت های تصمیم در پیش بینی
• 38. مقدمه ای بر ماشین های بردار پشتیبان
• 39. کاربرد ماشین های بردار پشتیبان
• 40. مقدمه ای بر شبکه های عصبی مصنوعی
• 41. شبکه های عصبی پرسپترون چندلایه
• 42. پس انتشار خطا در شبکه های عصبی
• 43. مقدمه ای بر یادگیری عمیق
• 44. شبکه های عصبی کانولوشنی
• 45. شبکه های عصبی بازگشتی
• 46. مقدمه ای بر مدل های زبانی
• 47. کاربرد مدل های زبانی در پردازش متن
• 48. مقدمه ای بر مدل های گراف
• 49. کاربرد مدل های گراف در تحلیل شبکه
• 50. مقدمه ای بر بهینه سازی
• 51. روش های بهینه سازی غیر خطی
• 52. مقدمه ای بر برنامه ریزی خطی
• 53. کاربرد برنامه ریزی خطی در مدیریت
• 54. مقدمه ای بر برنامه ریزی پویا
• 55. کاربرد برنامه ریزی پویا در تصمیم گیری
• 56. مقدمه ای بر روش های بیزی
• 57. استنتاج بیزی
• 58. مقدمه ای بر مدل سازی بیزی سلسله مراتبی
• 59. کاربرد مدل های بیزی در اقتصاد
• 60. مقدمه ای بر محاسبات علمی
• 61. استفاده از کتابخانه های محاسبات علمی در R
• 62. مقدمه ای بر تجسم داده ها
• 63. تکنیک های پیشرفته تجسم داده ها
• 64. مقدمه ای بر ابزارهای گزارش دهی پویا
• 65. کاربرد Shiny در ساخت داشبوردهای آماری
• 66. مقدمه ای بر تحلیل داده های مکانی
• 67. کاربرد تحلیل داده های مکانی در برنامه ریزی شهری
• 68. مقدمه ای بر تحلیل داده های شبکه اجتماعی
• 69. کاربرد تحلیل داده های شبکه اجتماعی در بازاریابی
• 70. مقدمه ای بر مدل های بقا
• 71. کاربرد مدل های بقا در علوم پزشکی
• 72. مقدمه ای بر تحلیل داده های پانل
• 73. کاربرد تحلیل داده های پانل در اقتصاد
• 74. مقدمه ای بر مدل های مارکوف پنهان
• 75. کاربرد مدل های مارکوف پنهان در زیست شناسی
• 76. مقدمه ای بر مدل های گام تصادفی
• 77. کاربرد مدل های گام تصادفی در مالی
• 78. مقدمه ای بر تحلیل سری های زمانی چند متغیره
• 79. مدل های VAR
• 80. مقدمه ای بر مدل های VECM
• 81. کاربرد مدل های VECM در اقتصاد کلان
• 82. مقدمه ای بر مدل های ARCH چند متغیره
• 83. کاربرد مدل های ARCH چند متغیره
• 84. مقدمه ای بر روش های ایده آل سازی داده ها
• 85. کاربرد روش های ایده آل سازی داده ها
• 86. مقدمه ای بر تحلیل حساسیت
• 87. کاربرد تحلیل حساسیت در مدل سازی
• 88. مقدمه ای بر تحلیل استنتاجی
• 89. روش های استنتاج آماری
• 90. مقدمه ای بر اصول طراحی آزمایش
• 91. کاربرد اصول طراحی آزمایش
• 92. مقدمه ای بر تحلیل واریانس
• 93. مقدمه ای بر آزمون فرض آماری
• 94. مقدمه ای بر تحلیل داده های کیفی
• 95. مقدمه ای بر روش های تحلیل محتوا
• 96. کاربرد تحلیل محتوا در علوم اجتماعی
• 97. مقدمه ای بر تحلیل گفتمان
• 98. مقدمه ای بر روش های پیمایش
• 99. طراحی پرسشنامه
• 100. مقدمه ای بر تحلیل داده های پیمایشی