دوره راهنمای جامع for Modeling with Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای جامع for Modeling with Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مبانی مدل‌سازی آماری با استن
• 2. مفاهیم احتمال و آمار در مدل‌سازی
• 3. مقدمه‌ای بر زبان برنامه‌نویسی R
• 4. نصب و پیکربندی استن
• 5. سینتکس پایه استن
• 6. نوشتن اولین مدل در استن
• 7. انواع توزیع‌های احتمال در استن
• 8. مدل‌های خطی تعمیم‌یافته (GLMs)
• 9. مدل‌های رگرسیون خطی ساده
• 10. تفسیر خروجی‌های استن
• 11. ارزیابی همگرایی نمونه‌ها
• 12. روش‌های بصری برای ارزیابی همگرایی
• 13. معیارهای کمی برای ارزیابی همگرایی
• 14. روش‌های نمونه‌گیری در استن (Gibbs, Metropolis-Hastings)
• 15. نمونه‌گیری از توزیع‌های پیچیده
• 16. مدل‌های خطی سلسله‌مراتبی (Hierarchical Linear Models)
• 17. کاربرد مدل‌های سلسله‌مراتبی در علوم اجتماعی
• 18. مدل‌های رگرسیون لجستیک
• 19. مدل‌های رگرسیون پواسون
• 20. مدل‌های بقا (Survival Models)
• 21. مقدمه‌ای بر مدل‌های سری زمانی
• 22. مدل‌های ARMA در استن
• 23. مدل‌های ARIMA در استن
• 24. تحلیل عاملی اکتشافی
• 25. تحلیل عاملی تأییدی
• 26. مدل‌سازی معادلات ساختاری (SEM)
• 27. مقدمه‌ای بر مدل‌های شبکه‌ای
• 28. مدل‌سازی شبکه‌های اجتماعی در استن
• 29. استن برای تحلیل داده‌های مکانی
• 30. مدل‌های مکانی ساده
• 31. مدل‌های مکانی پیچیده
• 32. مقدمه‌ای بر یادگیری ماشین
• 33. رگرسیون در یادگیری ماشین
• 34. طبقه‌بندی در یادگیری ماشین
• 35. شبکه‌های عصبی مقدماتی
• 36. مدل‌های بیزی در یادگیری ماشین
• 37. استن برای مدل‌سازی بیزی سلسله‌مراتبی
• 38. مدل‌سازی بیزی برای داده‌های گسسته
• 39. مدل‌سازی بیزی برای داده‌های پیوسته
• 40. ارزیابی مدل‌های بیزی
• 41. اعتبارسنجی متقابل (Cross-validation)
• 42. انتخاب مدل با استفاده از معیارهای بیزی
• 43. مقدمه‌ای بر مدل‌های چندسطحی (Multilevel Models)
• 44. کاربرد مدل‌های چندسطحی در آموزش
• 45. مدل‌سازی داده‌های خوشه‌ای
• 46. مدل‌سازی داده‌های طولی
• 47. تحلیل عاملی مختلط
• 48. مدل‌سازی معادلات ساختاری با متغیرهای پنهان
• 49. مدل‌سازی معادلات ساختاری برای داده‌های طولی
• 50. مقدمه‌ای بر استن برای داده‌های حجیم
• 51. بهینه‌سازی کد استن برای سرعت
• 52. استفاده از ابزارهای موازی‌سازی در استن
• 53. مقدمه‌ای بر مدل‌سازی بیزی دینامیک
• 54. مدل‌های مارکوف زنجیره‌ای پنهان (HMM)
• 55. کاربرد HMM در زیست‌شناسی محاسباتی
• 56. مدل‌سازی بیزی برای تحلیل داده‌های ژنتیکی
• 57. مدل‌سازی بیزی برای داده‌های تصویربرداری پزشکی
• 58. مقدمه‌ای بر استن و تحلیل داده‌های اقتصادی
• 59. مدل‌سازی پیش‌بینی اقتصادی با استن
• 60. مدل‌سازی ریسک مالی با استن
• 61. استن برای تحلیل داده‌های مالی با فرکانس بالا
• 62. مدل‌سازی داده‌های اقتصادی با ساختار پیچیده
• 63. مقدمه‌ای بر مدل‌سازی بیزی در علوم سیاسی
• 64. مدل‌سازی رأی‌گیری با استن
• 65. مدل‌سازی رفتار سیاسی با استن
• 66. تحلیل احساسات با استفاده از استن
• 67. مدل‌سازی داده‌های متنی با استن
• 68. استن برای تحلیل داده‌های ورزشی
• 69. مدل‌سازی عملکرد ورزشی با استن
• 70. پیش‌بینی نتایج مسابقات ورزشی
• 71. مدل‌سازی استراتژی‌های بازی در ورزش
• 72. مدل‌سازی بیزی برای تحلیل داده‌های زیست‌محیطی
• 73. مدل‌سازی تغییرات اقلیمی با استن
• 74. مدل‌سازی پراکندگی گونه‌ها
• 75. مدل‌سازی اثرات آلودگی بر سلامت
• 76. مقدمه‌ای بر استن و تحلیل داده‌های سلامت
• 77. مدل‌سازی اپیدمیولوژیکی با استن
• 78. مدل‌سازی اثربخشی درمان‌ها
• 79. مدل‌سازی عوامل خطر بیماری
• 80. مدل‌سازی بیزی در مهندسی
• 81. مدل‌سازی قابلیت اطمینان سیستم‌ها
• 82. مدل‌سازی پیش‌بینی خرابی
• 83. مدل‌سازی بهینه‌سازی فرآیندها
• 84. مقدمه‌ای بر استن برای مطالعات کیفی
• 85. ترکیب روش‌های کمی و کیفی با استن
• 86. کاربرد استن در تحلیل محتوای کیفی
• 87. مدل‌سازی الگوهای رفتاری پیچیده
• 88. مقدمه‌ای بر فلسفه علم و مدل‌سازی
• 89. نقش مدل‌ها در دانش علمی
• 90. محدودیت‌های مدل‌سازی آماری
• 91. اخلاق در مدل‌سازی آماری
• 92. آینده مدل‌سازی بیزی و استن
• 93. کاربرد پیشرفته استن در تحقیقات علمی
• 94. نکات تکمیلی و ترفندهای استن
• 95. مطالعات موردی پیشرفته با استن
• 96. جمع‌بندی و گام‌های بعدی در مدل‌سازی