دوره رفع اشکال مدل‌های Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره رفع اشکال مدل‌های Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی آماری و استنتاج بیزی
• 2. مبانی احتمال و آمار در مدل‌سازی
• 3. معرفی زبان برنامه‌نویسی R برای تحلیل آماری
• 4. مفاهیم اساسی مدل‌های خطی تعمیم‌یافته
• 5. رگرسیون خطی ساده و چندگانه در R
• 6. آزمون فرض در مدل‌های خطی
• 7. مقدمه‌ای بر مدل‌های سری زمانی
• 8. مدل‌های ARIMA برای پیش‌بینی
• 9. معرفی زبان برنامه‌نویسی پایتون برای تحلیل آماری
• 10. کتابخانه‌های کلیدی پایتون برای علم داده
• 11. مبانی مدل‌سازی آماری با پایتون
• 12. مقدمه‌ای بر مدل‌های پنهان مارکوف
• 13. کاربرد مدل‌های پنهان مارکوف در شناسایی الگو
• 14. معرفی نرم‌افزار Stan و مزایای آن
• 15. نصب و پیکربندی Stan
• 16. ساختار پایه مدل‌های Stan
• 17. نوشتن اولین مدل در Stan
• 18. کامپایل و اجرای مدل‌های Stan
• 19. مفاهیم نمونه‌گیری زنجیره مارکوف مونت کارلو (MCMC)
• 20. الگوریتم‌های نمونه‌گیری در Stan (NUTS)
• 21. ارزیابی همگرایی و کیفیت نمونه‌ها
• 22. تشخیص و رفع مشکلات همگرایی
• 23. مدل‌سازی رگرسیون خطی در Stan
• 24. مدل‌سازی رگرسیون لجستیک در Stan
• 25. مدل‌سازی رگرسیون پواسون در Stan
• 26. مدل‌سازی رگرسیون ناپارامتری در Stan
• 27. مدل‌سازی سلسله‌مراتبی در Stan
• 28. مقدمه‌ای بر مدل‌های چندسطحی
• 29. پیاده‌سازی مدل‌های چندسطحی در Stan
• 30. مدل‌سازی اثرات تصادفی و ثابت
• 31. مدل‌سازی اثرات مختلط در Stan
• 32. مدل‌سازی سری زمانی در Stan
• 33. مدل‌های ARMA و ARIMA در Stan
• 34. مدل‌سازی فضایی در Stan
• 35. مقدمه‌ای بر مفاهیم مدل‌سازی مکانی
• 36. کاربرد مدل‌های مکانی در Stan
• 37. مدل‌سازی بقا در Stan
• 38. مدل‌های کاکس پروپشنال هازارد در Stan
• 39. مدل‌سازی داده‌های گسسته در Stan
• 40. مدل‌سازی داده‌های ترتیبی در Stan
• 41. مدل‌سازی داده‌های خوشه‌ای در Stan
• 42. مدل‌سازی مدل‌های گرافیکی در Stan
• 43. کاربرد مدل‌های گرافیکی در Stan
• 44. تحلیل حساسیت مدل در Stan
• 45. اعتبارسنجی مدل‌های آماری در Stan
• 46. مقدمه‌ای بر روش‌های اعتبارسنجی متقابل
• 47. اعتبارسنجی مدل‌های Stan با داده‌های جدید
• 48. بهینه‌سازی کد Stan
• 49. تکنیک‌های پیشرفته نمونه‌گیری در Stan
• 50. نمونه‌گیری چندگانه در Stan
• 51. استفاده از داده‌های پیشین در Stan
• 52. اقتصادسنجی بیزی با Stan
• 53. مدل‌سازی اقتصادسنجی سری زمانی در Stan
• 54. مدل‌سازی مالی با Stan
• 55. مقدمه‌ای بر مدل‌های مالی بیزی
• 56. کاربرد Stan در مدل‌سازی ریسک
• 57. مدل‌سازی داده‌های زیستی در Stan
• 58. مدل‌سازی ژنتیکی در Stan
• 59. مدل‌سازی اپیدمیولوژیک در Stan
• 60. مدل‌سازی شبکه‌های اجتماعی در Stan
• 61. تحلیل داده‌های شبکه‌های اجتماعی با Stan
• 62. مدل‌سازی پردازش زبان طبیعی با Stan
• 63. کاربرد Stan در مدل‌سازی متنی
• 64. مدل‌سازی یادگیری ماشین با Stan
• 65. مقدمه‌ای بر یادگیری ماشین بیزی
• 66. کاربرد Stan در الگوریتم‌های یادگیری ماشین
• 67. مدل‌سازی داده‌های پرت در Stan
• 68. روش‌های شناسایی و مدیریت داده‌های پرت
• 69. مدل‌سازی داده‌های گمشده در Stan
• 70. روش‌های کامل‌سازی داده‌های گمشده
• 71. مقدمه‌ای بر مدل‌های فرا-آماری
• 72. کاربرد مدل‌های فرا-آماری در Stan
• 73. مدل‌سازی داده‌های سلسله‌مراتبی پیچیده
• 74. مدل‌سازی داده‌های فضایی-زمانی
• 75. مدل‌سازی مدل‌های استنباطی پیشرفته
• 76. استفاده از Stan برای مدل‌های غیرخطی
• 77. مدل‌سازی توابع پیچیده در Stan
• 78. تحلیل عدم قطعیت در مدل‌های Stan
• 79. ارتباط بین مدل‌های Stan و دیگر نرم‌افزارها
• 80. ادغام Stan با پلتفرم‌های ابری
• 81. کاربرد Stan در پروژه‌های تحقیقاتی واقعی
• 82. ارائه نتایج مدل‌های Stan
• 83. گزارش‌دهی و بصری‌سازی نتایج
• 84. مباحث پیشرفته در نمونه‌گیری MCMC
• 85. تحلیل واریانس مدل‌های Stan
• 86. بهبود عملکرد و سرعت مدل‌های Stan
• 87. توسعه مدل‌های سفارشی در Stan
• 88. مقدمه‌ای بر محاسبات موازی در Stan
• 89. کاربرد Stan در داده‌های بزرگ
• 90. مدل‌سازی پیش‌بینی‌کننده با Stan
• 91. ارزیابی مدل‌های پیش‌بینی‌کننده
• 92. مباحث اخلاقی در مدل‌سازی آماری
• 93. حریم خصوصی داده‌ها در مدل‌سازی
• 94. مدل‌سازی برای تصمیم‌گیری‌های سیاستی
• 95. کاربرد Stan در علوم اجتماعی
• 96. مدل‌سازی پدیده‌های اجتماعی با Stan
• 97. مباحث پیشرفته در مدل‌سازی بقا
• 98. مدل‌سازی داده‌های رویداد محور
• 99. تحلیل حساسیت پارامترها در مدل‌های Stan
• 100. کاربرد Stan در بهینه‌سازی فرایندها