دوره راهنمای جامع برای کار با Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای جامع برای کار با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر زبان برنامه‌نویسی Stan
• 2. نصب و راه‌اندازی Stan
• 3. مروری بر مفاهیم مدل‌سازی آماری
• 4. مفاهیم پایه‌ای استنتاج بیزی
• 5. توزیع‌های احتمال در Stan
• 6. نوشتن مدل‌های ساده در Stan
• 7. آرایه‌ها و ساختار داده‌ها در Stan
• 8. توابع و رویه‌ها در Stan
• 9. مقدمه‌ای بر زنجیره‌های مارکوف مونت کارلو (MCMC)
• 10. الگوریتم گیبس سمپلینگ (Gibbs Sampling)
• 11. الگوریتم نمونه‌برداری از هابل (Hamiltonian Monte Carlo - HMC)
• 12. الگوریتم نمونه‌برداری از گام‌های میانی (No-U-Turn Sampler - NUTS)
• 13. اعتبار سنجی مدل‌های بیزی
• 14. تشخیص همگرایی در MCMC
• 15. بررسی کیفیت نمونه‌ها
• 16. مدل‌های خطی در Stan
• 17. مدل‌های رگرسیون خطی استاندارد
• 18. مدل‌های رگرسیون خطی با اثرات تصادفی
• 19. مدل‌های رگرسیون خطی سلسله مراتبی
• 20. مدل‌های سری زمانی در Stan
• 21. مدل‌های ARIMA در Stan
• 22. مدل‌های حالت فضا در Stan
• 23. مدل‌های پیش‌بینی سری زمانی
• 24. مدل‌های طبقه‌بندی در Stan
• 25. مدل‌های لجستیک در Stan
• 26. مدل‌های پروبیت در Stan
• 27. مدل‌های طبقه‌بندی چندکاره
• 28. مدل‌های بقا در Stan
• 29. مدل‌های کاکس پروپورشنال هازاردز (Cox Proportional Hazards)
• 30. مدل‌های بقای پارامتریک
• 31. مدل‌های بقای غیرپارامتریک
• 32. مدل‌های داده‌های گسسته در Stan
• 33. مدل‌های شمارشی (Poisson, Negative Binomial)
• 34. مدل‌های داده‌های دودویی
• 35. مدل‌های داده‌های ترتیبی
• 36. مدل‌های فضایی در Stan
• 37. مدل‌های رگرسیون فضایی
• 38. مدل‌های خودهمبستگی فضایی
• 39. مدل‌های پیش‌بینی فضایی
• 40. مدل‌های اندازه‌گیری در Stan
• 41. مدل‌های اندازه‌گیری خطی
• 42. مدل‌های اندازه‌گیری غیرخطی
• 43. مدل‌های اندازه‌گیری مختلط
• 44. مدل‌های احتمالاتی در Stan
• 45. مدل‌های گرافیکی احتمالاتی
• 46. شبکه‌های بیزی در Stan
• 47. استنتاج در شبکه‌های بیزی
• 48. مدل‌های مبتنی بر عامل در Stan
• 49. شبیه‌سازی عامل‌محور
• 50. مدل‌های مبتنی بر عامل برای سیستم‌های پیچیده
• 51. تحلیل نتایج مدل‌های مبتنی بر عامل
• 52. مدل‌های آماری پیشرفته در Stan
• 53. مدل‌های پنهان مارکوف (HMM)
• 54. مدل‌های حالت پنهان
• 55. مدل‌های ناهمگنی در Stan
• 56. مدل‌های بیزی سلسله مراتبی پیشرفته
• 57. مدل‌های ساختاری در Stan
• 58. مدل‌های حداقل مربعات جزئی (PLS)
• 59. مدل‌های عاملی اکتشافی
• 60. مدل‌های عاملی تأییدی
• 61. بهینه‌سازی و جستجو در Stan
• 62. بهینه‌سازی بیزی
• 63. الگوریتم‌های ژنتیک در Stan
• 64. جستجوی تصادفی در Stan
• 65. کاربرد Stan در علوم اقتصادی
• 66. مدل‌های اقتصادسنجی بیزی
• 67. پیش‌بینی اقتصادی با Stan
• 68. تحلیل ریسک در اقتصاد
• 69. کاربرد Stan در علوم پزشکی
• 70. مدل‌های اپیدمیولوژیک بیزی
• 71. تحلیل داده‌های بالینی با Stan
• 72. مدل‌های ژنتیکی و پزشکی شخصی
• 73. کاربرد Stan در علوم اجتماعی
• 74. مدل‌های پیمایشی بیزی
• 75. تحلیل شبکه‌های اجتماعی با Stan
• 76. مدل‌های انتخاب در علوم اجتماعی
• 77. کاربرد Stan در علوم محیط زیست
• 78. مدل‌های اقلیمی بیزی
• 79. تحلیل داده‌های زیست‌محیطی
• 80. مدل‌های پیش‌بینی محیطی
• 81. کاربرد Stan در مهندسی
• 82. مدل‌های قابلیت اطمینان در مهندسی
• 83. تحلیل داده‌های حسگر با Stan
• 84. مدل‌های بهینه‌سازی در مهندسی
• 85. مقدمه‌ای بر Stan در کاربردهای عملی
• 86. نمونه‌های کد Stan برای مسائل واقعی
• 87. عیب‌یابی مدل‌های Stan
• 88. نکات پیشرفته در نوشتن کد Stan
• 89. معرفی بسته‌های کمکی Stan
• 90. بسته‌های R برای Stan
• 91. بسته‌های Python برای Stan
• 92. بسته‌های Julia برای Stan
• 93. بهینه‌سازی عملکرد کد Stan
• 94. موازی‌سازی در Stan
• 95. استفاده از GPU در Stan
• 96. مدیریت داده‌های بزرگ با Stan
• 97. روش‌های نمونه‌گیری پیشرفته
• 98. نمونه‌گیری با اهمیت (Importance Sampling)
• 99. نمونه‌گیری با پذیرش-رد (Acceptance-Rejection Sampling)
• 100. نمونه‌گیری از خانواده توزیع‌های چندمتغیره