دوره تکنیک‌های ارزیابی مدل با Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تکنیک‌های ارزیابی مدل با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی آماری با Stan
• 2. نصب و راه‌اندازی Stan
• 3. آشنایی با سینتکس زبان Stan
• 4. ساختار کلی برنامه‌های Stan
• 5. تعریف متغیرهای داده
• 6. تعریف متغیرهای پارامتر
• 7. تابع درستنمایی (Likelihood Function)
• 8. تابع پیشین (Prior Distributions)
• 9. تابع پسین (Posterior Distributions)
• 10. فرایندهای نمونه‌گیری MCMC
• 11. الگوریتم Gibbs Sampling
• 12. الگوریتم Metropolis-Hastings
• 13. الگوریتم Hamiltonian Monte Carlo (HMC)
• 14. الگوریتم No-U-Turn Sampler (NUTS)
• 15. نکات کاربردی در نوشتن کدهای Stan
• 16. مدل‌های خطی در Stan
• 17. مدل‌های رگرسیون خطی ساده
• 18. مدل‌های رگرسیون خطی چندگانه
• 19. مدل‌های رگرسیون با اثرات ثابت
• 20. مدل‌های رگرسیون با اثرات تصادفی
• 21. مدل‌های سلسله‌مراتبی (Hierarchical Models)
• 22. کاربرد مدل‌های سلسله‌مراتبی در اقتصاد
• 23. کاربرد مدل‌های سلسله‌مراتبی در علوم اجتماعی
• 24. مدل‌های خطی تعمیم‌یافته (Generalized Linear Models)
• 25. رگرسیون لجستیک در Stan
• 26. رگرسیون پواسون در Stan
• 27. رگرسیون ناپارامتریک در Stan
• 28. مدل‌های سری زمانی در Stan
• 29. مدل‌های ARIMA در Stan
• 30. مدل‌های حالت فضا (State-Space Models)
• 31. مدل‌های نوسان‌گیر (Volatility Models)
• 32. مدل‌های رگرسیون کوواریانس (Covariance Regression Models)
• 33. مدل‌های رگرسیون پوآسون تصادفی (Random Effects Poisson Regression)
• 34. مدل‌های رگرسیون لجستیک تصادفی (Random Effects Logistic Regression)
• 35. مدل‌های بقا (Survival Models)
• 36. مدل‌های کاکس (Cox Proportional Hazards Models)
• 37. مدل‌های بقا با اثرات تصادفی
• 38. مدل‌های مدل‌سازی داده‌های مکانی (Spatial Data Models)
• 39. مدل‌های خودرگرسیون مکانی (Spatial Autoregression Models)
• 40. مدل‌های خودهمبستگی مکانی (Spatial Autocorrelation Models)
• 41. مدل‌های احتمالاتی گرافیکی (Probabilistic Graphical Models)
• 42. شبکه‌های بیزی (Bayesian Networks)
• 43. مدل‌های مارکوف پنهان (Hidden Markov Models)
• 44. مدل‌های ساختاری معادلات (Structural Equation Models)
• 45. ارزیابی و تشخیص مدل (Model Diagnostics)
• 46. بررسی همگرایی زنجیره‌های مارکوف
• 47. نمودارهای trace plot
• 48. نمودارهای autocorrelation plot
• 49. معیارهای همگرایی (Gelman-Rubin, R-hat)
• 50. بررسی برازش مدل (Goodness-of-Fit)
• 51. نمودارهای باقی‌مانده (Residual Plots)
• 52. آزمون‌های برازش مدل
• 53. اعتبارسنجی متقابل (Cross-Validation)
• 54. اعتبارسنجی متقابل K-Fold
• 55. اعتبارسنجی leave-one-out
• 56. تکنیک‌های کاهش ابعاد (Dimensionality Reduction)
• 57. تحلیل مولفه‌های اصلی (PCA) در Stan
• 58. تحلیل عاملی (Factor Analysis) در Stan
• 59. مدل‌سازی انتخاب گسسته (Discrete Choice Modeling)
• 60. مدل‌های لاجیت چندگانه (Multinomial Logit Models)
• 61. مدل‌های پروبیت چندگانه (Multinomial Probit Models)
• 62. مدل‌سازی داده‌های پانل (Panel Data Modeling)
• 63. مدل‌های اثرات ثابت برای داده‌های پانل
• 64. مدل‌های اثرات تصادفی برای داده‌های پانل
• 65. مدل‌های داده‌های پانل پویا (Dynamic Panel Data Models)
• 66. مدل‌های پیش‌بینی (Forecasting Models)
• 67. ارزیابی دقت پیش‌بینی
• 68. مدل‌سازی عدم قطعیت در پیش‌بینی
• 69. استفاده از Stan برای داده‌های بزرگ
• 70. کارایی محاسباتی در Stan
• 71. بهینه‌سازی کدهای Stan
• 72. موازی‌سازی در Stan
• 73. مباحث پیشرفته در مدل‌سازی آماری
• 74. مدل‌های بیزی غیرپارامتریک
• 75. مدل‌های بیزی مبتنی بر فرآیند گوسی (Gaussian Process Models)
• 76. شبکه‌های عصبی بیزی (Bayesian Neural Networks)
• 77. مدل‌سازی بیزی برای داده‌های پرتعداد (Big Data)
• 78. مدل‌سازی بیزی در علوم زیستی
• 79. مدل‌سازی بیزی در علوم مالی
• 80. مدل‌سازی بیزی در علوم مهندسی
• 81. مدل‌سازی بیزی در علوم محیطی
• 82. مدل‌سازی بیزی در علوم سیاسی
• 83. کاربرد Stan در تحقیقات دانشگاهی
• 84. انتشار نتایج مدل‌سازی بیزی
• 85. تفسیر نتایج مدل‌سازی بیزی
• 86. ارتباط با جامعه علمی
• 87. نکات حقوقی و شرعی در استفاده از داده‌ها
• 88. حفظ حریم خصوصی در تحلیل داده‌ها
• 89. انطباق با قوانین ملی در انتشار نتایج
• 90. مسئولیت‌پذیری در مدل‌سازی آماری
• 91. اخلاق در علم داده