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 بیزی
• 2. مبانی احتمال و آمار
• 3. توزیع‌های احتمال گسسته و پیوسته
• 4. مفاهیم استنتاج آماری
• 5. آزمون فرض آماری
• 6. فاصله اطمینان
• 7. مدل‌های خطی تعمیم‌یافته
• 8. مقدمه‌ای بر مدل‌سازی بیزی
• 9. توزیع پیشین و پسین
• 10. قضیه بیز در عمل
• 11. مفاهیم اولیه Stan
• 12. نصب و راه‌اندازی Stan
• 13. زبان برنامه‌نویسی Stan
• 14. دستورات پایه Stan
• 15. تعریف مدل‌های ساده در Stan
• 16. مثال‌های کاربردی مدل‌های بیزی
• 17. مدل رگرسیون خطی بیزی
• 18. مدل رگرسیون لجستیک بیزی
• 19. مدل‌های سری زمانی بیزی
• 20. مدل‌های سلسله مراتبی بیزی
• 21. نکات مهم در تعریف مدل در Stan
• 22. نکات مربوط به توزیع‌های پیشین
• 23. انتخاب توزیع پیشین مناسب
• 24. تأثیر توزیع پیشین بر نتایج
• 25. نکات مربوط به توزیع پسین
• 26. روش‌های نمونه‌گیری در Stan (MCMC)
• 27. الگوریتم Gibbs Sampling
• 28. الگوریتم Metropolis-Hastings
• 29. الگوریتم NUTS (No-U-Turn Sampler)
• 30. تشخیص همگرایی در MCMC
• 31. معیارهای همگرایی (R-hat, ESS)
• 32. عیب‌یابی مدل‌های Stan
• 33. مشکلات مربوط به همگرایی
• 34. روش‌های اصلاح مدل‌های Stan
• 35. اعتبارسنجی مدل‌های بیزی
• 36. بررسی برازش مدل (Goodness of fit)
• 37. استفاده از داده‌های شبیه‌سازی شده
• 38. مقایسه مدل‌های مختلف
• 39. مدل‌سازی داده‌های پرت (Outliers)
• 40. مدل‌سازی داده‌های ناقص (Missing data)
• 41. کاربرد Stan در علوم زیستی
• 42. کاربرد Stan در علوم اجتماعی
• 43. کاربرد Stan در علوم اقتصادی
• 44. کاربرد Stan در علوم مهندسی
• 45. کاربرد Stan در علوم پزشکی
• 46. کاربرد Stan در علوم محیط زیست
• 47. مدل‌سازی پیش‌بینی با Stan
• 48. مقدمه‌ای بر مدل‌های سلسله مراتبی پیشرفته
• 49. مدل‌های اثرات مختلط (Mixed effects models)
• 50. پیاده‌سازی مدل‌های اثرات مختلط در Stan
• 51. مدل‌سازی شبکه‌های اجتماعی با Stan
• 52. مدل‌سازی داده‌های مکانی با Stan
• 53. مدل‌سازی داده‌های رخدادی با Stan
• 54. مدل‌سازی مدل‌های پنهان مارکوف (HMM)
• 55. مدل‌سازی مدل‌های گرافی بیزی (Bayesian Graphical Models)
• 56. انواع گراف‌های بیزی
• 57. کاربرد مدل‌های گرافی بیزی
• 58. مقدمه‌ای بر مدل‌سازی پیشرفته‌تر
• 59. مدل‌سازی فرآیندهای تصادفی (Stochastic Processes)
• 60. مدل‌سازی مدل‌های انتشار (Diffusion Models)
• 61. مدل‌سازی مدل‌های رشد (Growth Models)
• 62. مدل‌سازی مدل‌های بقا (Survival Models)
• 63. بهینه‌سازی پارامترهای مدل در Stan
• 64. کاربرد Stan در تحلیل بقا
• 65. تحلیل بقا با استفاده از مدل‌های بیزی
• 66. مدل‌سازی توزیع‌های مرکب (Compound Distributions)
• 67. مدل‌سازی داده‌های شمارشی با Stan
• 68. مدل‌سازی داده‌های دودویی با Stan
• 69. مدل‌سازی داده‌های ترتیبی با Stan
• 70. مدل‌سازی داده‌های چندمتغیره با Stan
• 71. مدل‌سازی مدل‌های خطی تعمیم‌یافته سلسله مراتبی
• 72. مدل‌سازی مدل‌های غیرخطی با Stan
• 73. روش‌های پیشرفته نمونه‌گیری در Stan
• 74. بهینه‌سازی الگوریتم‌های MCMC
• 75. نکات پیشرفته در اعتبارسنجی مدل
• 76. تفسیر نتایج مدل‌های پیچیده
• 77. استفاده از ابزارهای بصری‌سازی Stan
• 78. نمودارهای Trace Plot
• 79. نمودارهای Posterior Predictive Checks
• 80. نمودارهای ACF و PACF
• 81. نمودارهای توزیع پسین
• 82. راهنمای رفع اشکال مدل‌های پیچیده
• 83. کاربرد Stan در مطالعات طولی
• 84. مدل‌سازی داده‌های پانلی با Stan
• 85. مدل‌سازی داده‌های تجمعی با Stan
• 86. مدل‌سازی الگوهای رفتاری با Stan
• 87. مدل‌سازی تصمیم‌گیری با Stan
• 88. کاربرد Stan در اقتصاد سنجی بیزی
• 89. مدل‌سازی شبیه‌سازی در Stan
• 90. نکات پیشرفته در استفاده از Stan
• 91. انواع خطاها در مدل‌سازی بیزی
• 92. راهکارهای پیشگیری از خطا
• 93. مباحث تکمیلی در مدل‌سازی بیزی
• 94. تحلیل حساسیت در مدل‌های بیزی
• 95. مقدمه‌ای بر مدل‌های یادگیری ماشین بیزی
• 96. تلفیق مدل‌سازی بیزی و یادگیری ماشین