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. مقدمه ای بر مدل سازی آماری
• 2. مبانی احتمال و آمار
• 3. توزیع های احتمال گسسته
• 4. توزیع های احتمال پیوسته
• 5. استنباط آماری: برآورد
• 6. استنباط آماری: آزمون فرض
• 7. مقدمه ای بر مدل های خطی
• 8. رگرسیون خطی ساده
• 9. رگرسیون خطی چندگانه
• 10. مفاهیم پیشرفته در رگرسیون خطی
• 11. مدل های خطی تعمیم یافته (GLM)
• 12. رگرسیون لجستیک
• 13. رگرسیون پواسون
• 14. مدل های سلسله مراتبی (Hierarchical Models)
• 15. مفاهیم پایه مدل های سلسله مراتبی
• 16. مدل های اثرات مختلط (Mixed Effects Models)
• 17. مدل های چند سطحی
• 18. مقدمه ای بر زبان برنامه نویسی Stan
• 19. نصب و راه اندازی Stan
• 20. نحو پایه Stan
• 21. انواع داده در Stan
• 22. تابع احتمال در Stan
• 23. توابع کمکی در Stan
• 24. ساختار برنامه Stan
• 25. بلوک های تعریف (Defines)
• 26. بلوک های پارامتر (Parameters)
• 27. بلوک داده (Data)
• 28. بلوک مدل (Model)
• 29. بلوک توابع سفارشی (Functions)
• 30. کامپایل کردن کدهای Stan
• 31. اجرای کدهای Stan
• 32. مدیریت خروجی Stan
• 33. روش های نمونه گیری در Stan (MCMC)
• 34. نمونه گیری زنجیره مارکوف مونت کارلو (MCMC)
• 35. الگوریتم هبتس (Hamiltonian Monte Carlo - HMC)
• 36. الگوریتم نمونه بردار گرانشی (No-U-Turn Sampler - NUTS)
• 37. تنظیم پارامترهای NUTS
• 38. تشخیص همگرایی مدل
• 39. معیارهای همگرایی (R-hat, ESS)
• 40. تحلیل پس از همگرایی
• 41. رسم نمودارهای پس از توزیع (Posterior Plots)
• 42. محاسبه آماره های پس از توزیع
• 43. تولید داده از توزیع پس از توزیع
• 44. ارزیابی تناسب مدل
• 45. آزمون های برازش مدل (Goodness-of-Fit)
• 46. اعتبارسنجی متقابل (Cross-Validation)
• 47. اعتبارسنجی متقابل در Stan
• 48. مدل سازی سری های زمانی
• 49. مدل های ARIMA
• 50. مدل های حالت فضایی (State-Space Models)
• 51. پیاده سازی مدل های سری زمانی در Stan
• 52. مدل سازی داده های مکانی
• 53. مفاهیم پایه مدل های مکانی
• 54. مدل های رگرسیون مکانی
• 55. پیاده سازی مدل های مکانی در Stan
• 56. مدل سازی بقا (Survival Analysis)
• 57. مدل کاکس (Cox Proportional Hazards)
• 58. مدل های بقای پارامتری
• 59. پیاده سازی مدل های بقا در Stan
• 60. مدل سازی شبکه های اجتماعی
• 61. تحلیل شبکه های اجتماعی
• 62. مدل های شبکه های تصادفی
• 63. پیاده سازی مدل های شبکه در Stan
• 64. مدل سازی اقتصادسنجی
• 65. مفاهیم پایه اقتصادسنجی
• 66. مدل های اقتصادسنجی در Stan
• 67. مدل سازی مالی
• 68. مفاهیم پایه مدل سازی مالی
• 69. مدل های مالی در Stan
• 70. مدل سازی زیست آماری
• 71. مفاهیم پایه زیست آماری
• 72. مدل های زیست آماری در Stan
• 73. مدل سازی علوم اجتماعی
• 74. مفاهیم پایه علوم اجتماعی
• 75. مدل های علوم اجتماعی در Stan
• 76. مدل های گسسته در Stan
• 77. مدل های پیوسته در Stan
• 78. مدل های خطی در Stan
• 79. مدل های غیرخطی در Stan
• 80. مدل های باینری در Stan
• 81. مدل های شمارشی در Stan
• 82. مدل های چند متغیره در Stan
• 83. مدل های شرطی در Stan
• 84. مدل های پیشین (Prior Specification)
• 85. انتخاب توزیع های پیشین
• 86. تفسیر توزیع های پیشین
• 87. اعتبارسنجی مدل های پیشین
• 88. مدل های بیزی (Bayesian Modeling)
• 89. مبانی استنتاج بیزی
• 90. مقایسه مدل ها در Stan
• 91. روش های بهینه سازی در Stan
• 92. تجزیه و تحلیل حساسیت
• 93. مدل های پویا (Dynamic Models)
• 94. مدل های تصادفی در Stan
• 95. کاربردهای پیشرفته Stan
• 96. تکنیک های اشکال زدایی در Stan
• 97. بهینه سازی کد Stan
• 98. مقدمه ای بر زبان R برای Stan
• 99. نحوه ارتباط R با Stan
• 100. استفاده از بسته rstan در R