دوره راهنمای جامع برای کار با Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای جامع برای کار با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر زبان برنامه‌نویسی Stan
• 2. نصب و راه‌اندازی Stan
• 3. آشنایی با ساختار برنامه‌های Stan
• 4. متغیرهای پایه و انواع داده در Stan
• 5. عملگرها و عبارات در Stan
• 6. دستورات شرطی و حلقه‌ها در Stan
• 7. توابع سفارشی در Stan
• 8. مقدمه‌ای بر مدل‌سازی آماری
• 9. مفاهیم اساسی مدل‌های خطی
• 10. رگرسیون خطی ساده در Stan
• 11. رگرسیون خطی چندگانه در Stan
• 12. مقدمه‌ای بر مدل‌های سلسله‌مراتبی
• 13. مدل‌های سلسله‌مراتبی خطی در Stan
• 14. مدل‌های اثرات ثابت و تصادفی
• 15. کاربرد مدل‌های سلسله‌مراتبی در علوم اجتماعی
• 16. کاربرد مدل‌های سلسله‌مراتبی در علوم زیستی
• 17. کاربرد مدل‌های سلسله‌مراتبی در اقتصاد
• 18. مقدمه‌ای بر زنجیره‌های مارکوف مونت کارلو (MCMC)
• 19. نظریه MCMC
• 20. الگوریتم گیبس سمپلینگ در Stan
• 21. الگوریتم هلتون مارکوف مونت کارلو (HMC) در Stan
• 22. الگوریتم NUTS در Stan
• 23. ارزیابی همگرایی MCMC
• 24. شاخص‌های همگرایی MCMC
• 25. تشخیص و رفع مشکلات همگرایی
• 26. مدل‌سازی داده‌های شمارشی در Stan
• 27. رگرسیون لجستیک در Stan
• 28. رگرسیون پواسون در Stan
• 29. مدل‌سازی داده‌های بقا در Stan
• 30. مدل‌های کاکس پروپشنال هازارد در Stan
• 31. مدل‌سازی داده‌های خوشه‌ای در Stan
• 32. مدل‌های مختلط در Stan
• 33. مدل‌سازی سری‌های زمانی در Stan
• 34. مدل‌های ARIMA در Stan
• 35. مدل‌های حالت فضا در Stan
• 36. مقدمه‌ای بر استنباط بیزی
• 37. نظریه بیزی
• 38. قضیه بیز در Stan
• 39. انتخاب پیشین‌های مناسب
• 40. پیاده‌سازی استنباط بیزی در Stan
• 41. مدل‌سازی داده‌های گمشده در Stan
• 42. روش‌های جایگزینی داده‌های گمشده
• 43. مدل‌سازی احتمالاتی داده‌های گمشده
• 44. مقدمه‌ای بر مدل‌های گرافیکی
• 45. شبکه‌های بیزی در Stan
• 46. کاربرد شبکه‌های بیزی در تحلیل داده
• 47. مقدمه‌ای بر بهینه‌سازی
• 48. بهینه‌سازی در Stan
• 49. کاربرد بهینه‌سازی در مدل‌سازی
• 50. مقدمه‌ای بر داده‌کاوی
• 51. الگوریتم‌های خوشه‌بندی در Stan
• 52. الگوریتم‌های طبقه‌بندی در Stan
• 53. مقدمه‌ای بر یادگیری ماشین
• 54. مدل‌های رگرسیون و طبقه‌بندی با Stan
• 55. اعتبارسنجی مدل‌ها در Stan
• 56. تنظیم ابرپارامترها در Stan
• 57. مقدمه‌ای بر پردازش زبان طبیعی
• 58. مدل‌سازی متون با Stan
• 59. کاربرد مدل‌سازی متون در تحلیل احساسات
• 60. کاربرد مدل‌سازی متون در موضوع‌بندی
• 61. مقدمه‌ای بر تحلیل شبکه‌های اجتماعی
• 62. مدل‌سازی شبکه‌های اجتماعی با Stan
• 63. تحلیل ساختار شبکه‌ها
• 64. شناسایی جوامع در شبکه‌ها
• 65. مقدمه‌ای بر یادگیری عمیق
• 66. شبکه‌های عصبی در Stan
• 67. کاربرد شبکه‌های عصبی در تحلیل تصاویر
• 68. کاربرد شبکه‌های عصبی در پردازش سیگنال
• 69. مقدمه‌ای بر مدل‌سازی اقتصادسنجی
• 70. مدل‌های اقتصادسنجی در Stan
• 71. تحلیل داده‌های پانل در Stan
• 72. تحلیل سری‌های زمانی اقتصادی در Stan
• 73. مقدمه‌ای بر مدل‌سازی زیست‌سنجی
• 74. مدل‌های زیست‌سنجی در Stan
• 75. تحلیل داده‌های ژنتیکی در Stan
• 76. تحلیل داده‌های بالینی در Stan
• 77. مقدمه‌ای بر مدل‌سازی علوم محیطی
• 78. مدل‌های علوم محیطی در Stan
• 79. تحلیل داده‌های آب و هوایی در Stan
• 80. تحلیل داده‌های آلودگی در Stan
• 81. مقدمه‌ای بر مدل‌سازی علوم رفتاری
• 82. مدل‌های علوم رفتاری در Stan
• 83. تحلیل داده‌های روانشناختی در Stan
• 84. تحلیل داده‌های جامعه‌شناختی در Stan
• 85. مقدمه‌ای بر مدل‌سازی علوم سیاسی
• 86. مدل‌های علوم سیاسی در Stan
• 87. تحلیل داده‌های انتخاباتی در Stan
• 88. تحلیل داده‌های روابط بین‌الملل در Stan
• 89. مقدمه‌ای بر مدل‌سازی با داده‌های حجیم
• 90. مدل‌سازی با داده‌های حجیم در Stan
• 91. چالش‌های پردازش داده‌های حجیم
• 92. راهکارهای پردازش داده‌های حجیم
• 93. مقدمه‌ای بر نرم‌افزارهای آماری دیگر
• 94. مقایسه Stan با R و Python
• 95. مقایسه Stan با نرم‌افزارهای تخصصی
• 96. چگونه نتایج Stan را تفسیر کنیم
• 97. نکات پیشرفته در استفاده از Stan
• 98. اشکال‌زدایی برنامه‌های Stan
• 99. بهینه‌سازی کد Stan
• 100. کاربردهای پیشرفته Stan در پژوهش