دوره مدیریت مشکلات همگرایی در Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدیریت مشکلات همگرایی در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مفاهیم همگرایی در استن
• 2. آشنایی با ساختار و اجزای استن
• 3. انواع داده‌ها و ساختارهای پایه در استن
• 4. توابع ریاضی و آماری در استن
• 5. مفاهیم احتمالات در استن
• 6. توزیع‌های آماری پایه
• 7. توزیع نرمال و کاربردهای آن
• 8. توزیع برنولی و دوجمله‌ای
• 9. توزیع پواسون و کاربردهای آن
• 10. توزیع گاما و بتا
• 11. مقدمه‌ای بر مدل‌سازی آماری
• 12. رگرسیون خطی ساده
• 13. رگرسیون خطی چندگانه
• 14. تشخیص و رفع هم‌خطی در رگرسیون
• 15. مدل‌های خطی تعمیم‌یافته (GLM)
• 16. مدل لاجیت و پروبیت
• 17. مدل پواسون برای داده‌های شمارشی
• 18. مقدمه‌ای بر استن (Stan)
• 19. نصب و راه‌اندازی استن
• 20. زبان برنامه‌نویسی استن
• 21. ساختار مدل در استن
• 22. نحو و دستورات پایه استن
• 23. تعریف متغیرها و پارامترها
• 24. اعمال شرط و حلقه‌ها در استن
• 25. توابع سفارشی در استن
• 26. انواع بلوک‌های مدل در استن
• 27. `data` block
• 28. `parameters` block
• 29. `transformed parameters` block
• 30. `model` block
• 31. `generated quantities` block
• 32. نمونه‌سازی بیزی با استن
• 33. مفهوم پیشین و پسین
• 34. انتخاب توزیع پیشین مناسب
• 35. توزیع‌های پیشین رایج
• 36. انتخاب توزیع پیشین غیراطلاعاتی
• 37. توزیع‌های پیشین قوی (Informative Priors)
• 38. پیاده‌سازی مدل‌های بیزی در استن
• 39. مدل رگرسیون خطی بیزی
• 40. مدل رگرسیون لجستیک بیزی
• 41. مدل سری زمانی بیزی
• 42. مدل سلسله‌مراتبی بیزی
• 43. مدل‌های خطی مختلط بیزی
• 44. اعتبارسنجی مدل در استن
• 45. تحلیل پسین (Posterior Analysis)
• 46. میانگین پسین و واریانس پسین
• 47. فواصل اطمینان بیزی (Credible Intervals)
• 48. نمودارهای پسین (Posterior Plots)
• 49. تحلیل همگرایی زنجیره‌ها (MCMC Convergence)
• 50. شاخص‌های همگرایی (R-hat, ESS)
• 51. عیب‌یابی مدل‌های استن
• 52. بهینه‌سازی کد استن
• 53. استفاده از استن با R (rstan)
• 54. استفاده از استن با Python (pystan)
• 55. استفاده از استن با Julia (CmdStanJulia)
• 56. مقدمه‌ای بر مدل‌سازی بقا (Survival Analysis)
• 57. مدل کاکس (Cox Proportional Hazards Model)
• 58. پیاده‌سازی مدل کاکس در استن
• 59. مدل‌های بقای پارامتریک
• 60. مدل‌های بقای غیرپارامتریک
• 61. مدل‌سازی داده‌های پانل (Panel Data Models)
• 62. اثرات ثابت و تصادفی در داده‌های پانل
• 63. پیاده‌سازی مدل‌های پانل در استن
• 64. مدل‌سازی داده‌های مکانی (Spatial Data Models)
• 65. مدل‌های خودرگرسیون مکانی
• 66. مدل‌های همسایگی مکانی
• 67. پیاده‌سازی مدل‌های مکانی در استن
• 68. مدل‌سازی شبکه‌های اجتماعی (Social Network Models)
• 69. مدل‌های مبتنی بر پیوند (Link-based Models)
• 70. مدل‌های مبتنی بر راس (Node-based Models)
• 71. پیاده‌سازی مدل‌های شبکه‌سازی در استن
• 72. کاربرد استن در اقتصادسنجی
• 73. مدل‌های سری زمانی پیشرفته
• 74. مدل‌های اقتصادسنجی فضایی
• 75. مدل‌های انتخاب گسسته بیزی
• 76. کاربرد استن در علوم سیاسی
• 77. مدل‌سازی انتخابات
• 78. مدل‌سازی رفتار رأی‌دهندگان
• 79. مدل‌سازی پیمایش‌ها
• 80. کاربرد استن در علوم اجتماعی
• 81. مدل‌سازی رفتار گروهی
• 82. مدل‌سازی پیمایش‌های طولی
• 83. تحلیل داده‌های کیفی با استن
• 84. کاربرد استن در علوم زیستی
• 85. مدل‌سازی رشد جمعیت
• 86. مدل‌سازی اپیدمیولوژی
• 87. مدل‌سازی ژنتیکی
• 88. کاربرد استن در علوم محیطی
• 89. مدل‌سازی آلودگی هوا
• 90. مدل‌سازی تغییرات اقلیمی
• 91. مدل‌سازی منابع طبیعی
• 92. کاربرد استن در مدیریت
• 93. مدل‌سازی ریسک
• 94. مدل‌سازی پیش‌بینی
• 95. مدل‌سازی تصمیم‌گیری
• 96. مباحث پیشرفته در استن
• 97. نمونه‌گیری از توزیع‌های پیچیده
• 98. کاربرد استن در یادگیری ماشین بیزی
• 99. مقدمه‌ای بر شبکه‌های عصبی بیزی
• 100. پیاده‌سازی شبکه‌های عصبی در استن