دوره استفاده از Stan برای تحلیل پیشرفته داده همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استفاده از Stan برای تحلیل پیشرفته داده

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 و ابزارهای مرتبط
• 3. مبانی احتمالات و آمار برای مدل‌سازی
• 4. مفاهیم کلیدی در مدل‌سازی بیزی
• 5. توزیع‌های پیشین و پسین
• 6. مفهوم احتمال شرطی و قضیه بیز
• 7. انتخاب توزیع پیشین مناسب
• 8. محدودیت‌های توزیع‌های پیشین غیرمطلع
• 9. مدل‌های خطی ساده در Stan
• 10. رگرسیون خطی بیزی
• 11. تحلیل واریانس بیزی
• 12. مدل‌های خطی تعمیم‌یافته (GLMs)
• 13. رگرسیون لجستیک بیزی
• 14. رگرسیون پواسون بیزی
• 15. مدل‌های سلسله‌مراتبی (Hierarchical Models)
• 16. مزایای مدل‌های سلسله‌مراتبی
• 17. مدل‌های اثرات ثابت و تصادفی
• 18. مدل‌های چندسطحی برای داده‌های خوشه‌ای
• 19. مدل‌های اثرات مختلط
• 20. مدل‌های مختلط خطی
• 21. مدل‌های مختلط تعمیم‌یافته
• 22. مدل‌سازی سری‌های زمانی با Stan
• 23. مدل‌های ARIMA بیزی
• 24. مدل‌های حالت فضا (State-Space Models)
• 25. مدل‌های نوسان‌گیر (Volatility Models)
• 26. مدل‌سازی داده‌های مکانی با Stan
• 27. مدل‌های خودهمبستگی مکانی
• 28. مدل‌های رگرسیون وزنی مکانی
• 29. مدل‌های بیزی برای داده‌های مکانی-زمانی
• 30. مدل‌های بقا (Survival Analysis)
• 31. مدل کاکس بیزی
• 32. مدل‌های بقا با پارامترهای متغیر در زمان
• 33. تحلیل داده‌های سانسور شده
• 34. مدل‌سازی داده‌های گسسته
• 35. مدل‌های طبقه‌بندی بیزی
• 36. مدل‌های رتبه‌بندی بیزی
• 37. مدل‌های انتخاب گسسته
• 38. مدل‌سازی شبکه‌های اجتماعی با Stan
• 39. تحلیل مدل‌های شبکه بیزی
• 40. مدل‌های انتخاب همگروهی (Homophily)
• 41. مدل‌های انتشار در شبکه‌ها
• 42. مدل‌سازی داده‌های گمشده
• 43. روش‌های imputation بیزی
• 44. مدل‌های چندعلامتی (Multivariate Models)
• 45. تحلیل عاملی بیزی
• 46. تحلیل مؤلفه‌های اصلی بیزی
• 47. مدل‌های معادلات ساختاری بیزی
• 48. روش‌های شبیه‌سازی مونت کارلو زنجیره مارکوف (MCMC)
• 49. مبانی الگوریتم‌های MCMC
• 50. الگوریتم گیبس (Gibbs Sampling)
• 51. الگوریتم متروپلیس-هستینگز (Metropolis-Hastings)
• 52. روش‌های تشخیص همگرایی (Convergence Diagnostics)
• 53. R-hat و سایر معیارها
• 54. بررسی اثرات متقابل زنجیره‌ها
• 55. تحلیل پسین (Posterior Analysis)
• 56. محاسبه میانگین، میانه و واریانس پسین
• 57. محاسبه فواصل اعتبار (Credible Intervals)
• 58. تصویرسازی توزیع‌های پسین
• 59. اعتبارسنجی مدل (Model Validation)
• 60. اعتبارسنجی متقابل (Cross-validation)
• 61. بررسی باقی‌مانده‌ها (Residual Analysis)
• 62. مقایسه مدل‌ها با معیارهای اطلاعاتی
• 63. Erweiterte Modelle und Techniken
• 64. مدل‌های مبتنی بر عامل (Agent-Based Models)
• 65. شبیه‌سازی دینامیک سیستم‌ها
• 66. مدل‌سازی اقتباس‌پذیر (Adaptive Modeling)
• 67. مدل‌سازی احتمال رویدادهای نادر
• 68. تکنیک‌های نمونه‌برداری پیشرفته
• 69. نمونه‌برداری اهمیت (Importance Sampling)
• 70. نمونه‌برداری با شکست (Resampling)
• 71. بهینه‌سازی پارامترهای مدل
• 72. کاربرد Stan در علوم زیستی
• 73. مدل‌سازی ژنتیکی بیزی
• 74. مدل‌سازی اپیدمیولوژیک
• 75. مدل‌سازی داده‌های تصویربرداری پزشکی
• 76. کاربرد Stan در علوم اجتماعی
• 77. مدل‌سازی رفتار مصرف‌کننده
• 78. مدل‌سازی رأی‌دهی سیاسی
• 79. مدل‌سازی پویایی اجتماعی
• 80. کاربرد Stan در علوم اقتصادی
• 81. مدل‌سازی پیش‌بینی اقتصادی
• 82. مدل‌سازی ریسک مالی
• 83. مدل‌سازی بازار سرمایه
• 84. بهبود عملکرد کد Stan
• 85. بهینه‌سازی کد برای سرعت
• 86. استفاده از دستورات بهینه‌شده Stan
• 87. مواجهه با خطاهای رایج در Stan
• 88. رفع مشکلات مربوط به همگرایی
• 89. مدیریت داده‌های بزرگ در Stan
• 90. ساختاردهی داده‌ها برای Stan
• 91. ارتباط Stan با سایر نرم‌افزارها
• 92. استفاده از R و Python با Stan
• 93. ادغام Stan در پایپ‌لاین‌های تحلیلی
• 94. مباحث پیشرفته در مدل‌سازی بیزی
• 95. مدل‌های بیزی غیرپارامتری
• 96. مدل‌های بیزی پویا
• 97. مدل‌های بیزی مبتنی بر ماشین لرنینگ
• 98. تفسیر نتایج مدل‌های پیچیده
• 99. ارائه نتایج به مخاطبان غیرمتخصص
• 100. محدودیت‌های مدل‌سازی بیزی