دوره کاربرد MCMC با Stan در تحلیل‌های آماری همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربرد MCMC با Stan در تحلیل‌های آماری

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مبانی احتمالات و آمار استنباطی
• 2. مفاهیم اساسی مدل‌سازی آماری
• 3. مقدمه‌ای بر زنجیره‌های مارکوف مونت کارلو (MCMC)
• 4. نظریه و کاربردهای MCMC
• 5. معرفی نرم‌افزار Stan
• 6. نصب و پیکربندی Stan
• 7. زبان برنامه‌نویسی Stan
• 8. ساختار مدل در Stan
• 9. تعریف متغیرهای پنهان و پارامترها
• 10. توابع چگالی احتمال در Stan
• 11. تنظیمات الگوریتم MCMC در Stan
• 12. اجرای مدل‌های MCMC در Stan
• 13. تشخیص همگرایی در MCMC
• 14. معیارهای ارزیابی کیفیت نمونه‌ها
• 15. روش‌های بصری برای تشخیص همگرایی
• 16. تشخیص مشکلات همگرایی
• 17. تکنیک‌های بهبود همگرایی
• 18. انتخاب تعداد تکرار و نخ‌ها
• 19. نمونه‌گیری از توزیع‌های پیچیده
• 20. مدل‌های خطی تعمیم‌یافته با Stan
• 21. رگرسیون لجستیک با Stan
• 22. رگرسیون پواسون با Stan
• 23. مدل‌های سلسله‌مراتبی با Stan
• 24. مزایای مدل‌های سلسله‌مراتبی
• 25. پیاده‌سازی مدل‌های سلسله‌مراتبی در Stan
• 26. مدل‌های اثرات مختلط با Stan
• 27. کاربرد مدل‌های سلسله‌مراتبی در علوم زیستی
• 28. کاربرد مدل‌های سلسله‌مراتبی در علوم اجتماعی
• 29. کاربرد مدل‌های سلسله‌مراتبی در اقتصاد
• 30. مدل‌های سری زمانی با Stan
• 31. مدل‌های ARIMA با Stan
• 32. مدل‌های فضای حالت با Stan
• 33. مدل‌های اقتصادسنجی با Stan
• 34. تحلیل داده‌های پانل با Stan
• 35. مدل‌های انتخاب گسسته با Stan
• 36. مدل‌های بقا با Stan
• 37. مدل‌های احتمالاتی در یادگیری ماشین
• 38. شبکه‌های بیزی با Stan
• 39. مدل‌های گرافیکی احتمالاتی با Stan
• 40. کالیبراسیون مدل با Stan
• 41. اعتبارسنجی مدل با Stan
• 42. تحلیل حساسیت با Stan
• 43. شبیه‌سازی مونت کارلو در Stan
• 44. تحلیل داده‌های پرت با Stan
• 45. پیش‌بینی با استفاده از Stan
• 46. ارزیابی عدم قطعیت پیش‌بینی‌ها
• 47. تکنیک‌های نمونه‌گیری پیشرفته در MCMC
• 48. نمونه‌گیری اهمیت (Importance Sampling)
• 49. نمونه‌گیری با بازآفرینی (Resampling)
• 50. تکنیک‌های MCMC موازی
• 51. کاربرد Stan در تحلیل داده‌های بزرگ
• 52. بهینه‌سازی پارامترهای مدل
• 53. تست فرضیه‌ها با استفاده از Stan
• 54. مقایسه مدل‌ها با استفاده از Stan
• 55. تحلیل عاملی با Stan
• 56. تحلیل خوشه‌ای با Stan
• 57. تحلیل داده‌های مکانی با Stan
• 58. مدل‌های گراف با Stan
• 59. مدل‌های شبکه‌های اجتماعی با Stan
• 60. مدل‌های پردازش زبان طبیعی با Stan
• 61. مدل‌های استنتاج آماری در آمار زیستی
• 62. مدل‌های اپیدمیولوژیک با Stan
• 63. مدل‌های ژنتیک جمعیت با Stan
• 64. مدل‌های بیوانفورماتیک با Stan
• 65. مدل‌های آماری در علوم محیطی
• 66. مدل‌های پیش‌بینی آب و هوا با Stan
• 67. مدل‌های آلودگی هوا با Stan
• 68. مدل‌های تغییرات اقلیمی با Stan
• 69. مدل‌های آماری در علوم مهندسی
• 70. مدل‌های قابلیت اطمینان با Stan
• 71. مدل‌های کنترل کیفیت با Stan
• 72. مدل‌های تحلیل ریسک با Stan
• 73. مدل‌های آماری در علوم اقتصادی
• 74. مدل‌های پیش‌بینی اقتصادی با Stan
• 75. مدل‌های تحلیل بازار با Stan
• 76. مدل‌های مدیریت پورتفولیو با Stan
• 77. مدل‌های آماری در علوم اجتماعی
• 78. مدل‌های رفتار مصرف‌کننده با Stan
• 79. مدل‌های تحلیل نظرسنجی با Stan
• 80. مدل‌های پیش‌بینی اجتماعی با Stan
• 81. مدل‌های آماری در علوم پزشکی
• 82. مدل‌های کارآزمایی بالینی با Stan
• 83. مدل‌های تشخیص بیماری با Stan
• 84. مدل‌های پیش‌آگهی بیماری با Stan
• 85. مدل‌های آماری در علوم مالی
• 86. مدل‌های قیمت‌گذاری دارایی با Stan
• 87. مدل‌های مدیریت ریسک اعتباری با Stan
• 88. مدل‌های پیش‌بینی ورشکستگی با Stan
• 89. مقدمه‌ای بر بهینه‌سازی بیزی
• 90. کاربرد MCMC در بهینه‌سازی بیزی
• 91. تنظیمات پیشرفته Stan
• 92. استفاده از ابزارهای بصری‌سازی داده‌ها
• 93. تکنیک‌های مدیریت پروژه‌های Stan
• 94. نکات پیشرفته در نوشتن کد Stan
• 95. مقایسه Stan با نرم‌افزارهای آماری دیگر
• 96. کاربردهای نوظهور MCMC و Stan
• 97. اخلاق در تحلیل‌های آماری با Stan
• 98. تفسیر نتایج مدل‌های پیچیده