دوره تنظیمات پیشرفته برای نمونه‌گیری در Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیمات پیشرفته برای نمونه‌گیری در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر زبان برنامه‌نویسی R
• 2. نصب و راه‌اندازی R و RStudio
• 3. آشنایی با محیط RStudio
• 4. انواع داده در R
• 5. ساختارهای داده‌ای پایه: بردارها، ماتریس‌ها، آرایه‌ها
• 6. ساختارهای داده‌ای پیشرفته: لیست‌ها و دیتافریم‌ها
• 7. عملیات پایه‌ای روی داده‌ها در R
• 8. وارد کردن داده‌ها از فایل‌های خارجی (CSV, Excel)
• 9. پاکسازی و پیش‌پردازش داده‌ها
• 10. شناسایی و مدیریت مقادیر گمشده
• 11. شناسایی و مدیریت داده‌های پرت (Outliers)
• 12. انتقال و تبدیل داده‌ها
• 13. تجمیع و خلاصه‌سازی داده‌ها
• 14. مرتب‌سازی داده‌ها
• 15. فیلتر کردن داده‌ها
• 16. انتخاب و تغییر نام ستون‌ها
• 17. ایجاد ستون‌های جدید
• 18. عملیات منطقی و شرطی در R
• 19. کار با رشته‌ها و متون در R
• 20. کار با تاریخ و زمان در R
• 21. رسم نمودارهای پایه‌ای در R (هیستوگرام، نمودار پراکندگی)
• 22. انواع نمودارهای آماری (جعبه‌ای، میله‌ای)
• 23. شخصی‌سازی نمودارها
• 24. مقدمه‌ای بر آمار توصیفی
• 25. محاسبه معیارهای مرکزی (میانگین، میانه، نما)
• 26. محاسبه معیارهای پراکندگی (واریانس، انحراف معیار، دامنه)
• 27. مفاهیم احتمال
• 28. توزیع‌های گسسته (دوجمله‌ای، پواسون)
• 29. توزیع‌های پیوسته (نرمال، یکنواخت)
• 30. مقدمه‌ای بر آمار استنباطی
• 31. برآورد فاصله‌ای (فاصله اطمینان)
• 32. آزمون فرض آماری
• 33. آزمون t تک‌نمونه‌ای
• 34. آزمون t دو‌نمونه‌ای مستقل
• 35. آزمون t زوجی
• 36. آزمون کای‌دو (Chi-squared) برای استقلال
• 37. مقدمه‌ای بر رگرسیون خطی ساده
• 38. برآورد پارامترهای رگرسیون
• 39. تفسیر ضرایب رگرسیون
• 40. ارزیابی مدل رگرسیون خطی ساده
• 41. مقدمه‌ای بر رگرسیون خطی چندگانه
• 42. انتخاب متغیر در رگرسیون
• 43. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLM)
• 44. رگرسیون لجستیک
• 45. مقدمه‌ای بر سری‌های زمانی
• 46. شناسایی روند و فصلی بودن
• 47. مدل‌های ARIMA
• 48. مقدمه‌ای بر تحلیل عاملی اکتشافی
• 49. مقدمه‌ای بر تحلیل خوشه‌ای
• 50. مقدمه‌ای بر مدل‌سازی معادلات ساختاری (SEM)
• 51. مقدمه‌ای بر شبیه‌سازی
• 52. اصول شبیه‌سازی مونت کارلو
• 53. نمونه‌گیری از توزیع‌های آماری
• 54. تولید اعداد تصادفی
• 55. پیاده‌سازی شبیه‌سازی در R
• 56. مقدمه‌ای بر زبان Stan
• 57. نصب و راه‌اندازی Stan
• 58. ساختار کلی کد Stan
• 59. تعریف مدل‌های آماری در Stan
• 60. دستورات پایه‌ای در Stan
• 61. پارامترهای مدل
• 62. داده‌های مشاهده شده
• 63. توابع چگالی احتمال (Likelihood functions)
• 64. برآورد پارامترها با Stan
• 65. روش‌های نمونه‌گیری در Stan (MCMC)
• 66. نمونه‌گیری زنجیره مارکوف مونت کارلو (MCMC)
• 67. الگوریتم هابیت گام‌بردار (HMC)
• 68. الگوریتم نمونه‌گیری با گام‌های تصادفی (NUTS)
• 69. تشخیص همگرایی (Convergence diagnostics)
• 70. معیارهای همگرایی (R-hat, ESS)
• 71. رسم نمودارهای همگرایی (Trace plots)
• 72. ارزیابی نتایج نمونه‌گیری
• 73. تفسیر خروجی‌های Stan
• 74. بررسی توزیع پسین پارامترها
• 75. محاسبه فواصل اطمینان از نتایج Stan
• 76. مدل‌سازی رگرسیون در Stan
• 77. مدل‌سازی رگرسیون خطی در Stan
• 78. مدل‌سازی رگرسیون لجستیک در Stan
• 79. مدل‌سازی سری‌های زمانی در Stan
• 80. مدل‌سازی پیشرفته در Stan
• 81. مدل‌های سلسله‌مراتبی (Hierarchical models)
• 82. کاربرد مدل‌های سلسله‌مراتبی در تحقیقات
• 83. پیاده‌سازی مدل‌های سلسله‌مراتبی در Stan
• 84. مدل‌سازی داده‌های پرتابل (Panel data)
• 85. مقدمه‌ای بر مدل‌سازی داده‌های پرتابل در Stan
• 86. مدل‌سازی داده‌های فضایی در Stan
• 87. مقدمه‌ای بر مدل‌سازی داده‌های فضایی
• 88. کاربرد مدل‌های فضایی در تحقیقات
• 89. پیاده‌سازی مدل‌های فضایی در Stan
• 90. بهینه‌سازی مدل‌ها با Stan
• 91. اعتبارسنجی مدل‌ها
• 92. تجزیه و تحلیل حساسیت
• 93. ملاحظات عملی در استفاده از Stan
• 94. نکات و ترفندهای پیشرفته در Stan
• 95. اشکال‌زدایی کدهای Stan
• 96. نوشتن کدهای Stan بهینه
• 97. مقایسه Stan با سایر نرم‌افزارهای آماری
• 98. کاربرد Stan در حوزه‌های مختلف علمی
• 99. مثال‌های کاربردی از تنظیمات پیشرفته نمونه‌گیری در Stan
• 100. خلاصه‌سازی و جمع‌بندی مباحث