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. مقدمه‌ای بر مدل‌سازی آماری با استن
• 2. مفاهیم پایه در استن
• 3. نصب و راه‌اندازی استن
• 4. ساختار زبان استن
• 5. متغیرها و انواع داده در استن
• 6. بلوک‌های اصلی در کد استن
• 7. بلوک `data`
• 8. بلوک `parameters`
• 9. بلوک `transformed parameters`
• 10. بلوک `model`
• 11. بلوک `generated quantities`
• 12. شبیه‌سازی مونت کارلو زنجیره مارکوف (MCMC)
• 13. مقدمه‌ای بر روش‌های بیزی
• 14. قضیه بیز
• 15. توزیع پیشین و پسین
• 16. انتخاب توزیع پیشین مناسب
• 17. روش‌های نمونه‌گیری در استن
• 18. نمونه‌گیری گیبس
• 19. نمونه‌گیری زنجیره مارکوف مونت کارلو (MCMC)
• 20. الگوریتم هامینگتونین مونت کارلو (HMC)
• 21. الگوریتم نمونه‌گیری متوالی نیمه-بهینه (NUTS)
• 22. ارزیابی همگرایی مدل
• 23. نمودارهای trace
• 24. تست راه‌-وسترن (R-hat)
• 25. تعداد مؤثر نمونه (ESS)
• 26. تشخیص و رفع مشکلات همگرایی
• 27. مدل‌های خطی ساده در استن
• 28. مدل‌های رگرسیون خطی بیزی
• 29. مدل‌های رگرسیون خطی تعمیم‌یافته (GLM)
• 30. مدل‌های لجستیک در استن
• 31. مدل‌های پواسون در استن
• 32. مدل‌های ناهمگنی واریانس (Heteroskedasticity)
• 33. مدل‌های اثرات ثابت و تصادفی
• 34. مدل‌های سلسله مراتبی در استن
• 35. مقدمه‌ای بر مدل‌های سلسله مراتبی
• 36. مدل‌های سطوح چندگانه
• 37. مدل‌های اثرات متغیر در طول زمان
• 38. مدل‌های اثرات متغیر در طول مکان
• 39. مدل‌های شتاب‌دهنده (Accelerator models)
• 40. مدل‌های مبتنی بر داده‌های طولی
• 41. مدل‌های سری زمانی در استن
• 42. مدل‌های ARIMA بیزی
• 43. مدل‌های فضایی در استن
• 44. مدل‌های مبتنی بر شبکه‌های فضایی
• 45. مدل‌های مبتنی بر داده‌های جغرافیایی
• 46. مدل‌های یادگیری ماشین بیزی
• 47. رگرسیون بیزی با استفاده از توابع پایه (Basis functions)
• 48. شبکه‌های عصبی بیزی
• 49. ماشین‌های بردار پشتیبان بیزی
• 50. مدل‌های ترکیبی (Mixture Models)
• 51. مدل‌های ترکیبی گاوسی
• 52. مدل‌های ترکیبی پواسون
• 53. مدل‌های پنهان مارکوف (HMM)
• 54. مدل‌های پنهان مارکوف در استن
• 55. کاربرد مدل‌های پنهان مارکوف
• 56. مدل‌های بقا (Survival Models)
• 57. مدل کاکس (Cox proportional hazards model)
• 58. مدل‌های پارامتریک بقا
• 59. مدل‌های غیرپارامتریک بقا
• 60. مدل‌سازی عدم قطعیت در پیش‌بینی
• 61. ارزیابی مدل با استفاده از معیارهای پیش‌بینی
• 62. اعتبار سنجی متقابل (Cross-validation)
• 63. اعتبار سنجی با استفاده از داده‌های جدید
• 64. تکنیک‌های اعتبارسنجی متقاطع در استن
• 65. مدل‌سازی داده‌های گمشده
• 66. روش‌های استنتاج برای داده‌های گمشده
• 67. پیاده‌سازی مدل‌های داده گمشده در استن
• 68. تحلیل حساسیت (Sensitivity Analysis)
• 69. بررسی تأثیر پارامترهای پیشین
• 70. بررسی تأثیر ساختار مدل
• 71. بهینه‌سازی کد استن
• 72. تکنیک‌های کدنویسی کارآمد در استن
• 73. استفاده از دستورالعمل‌های برداری
• 74. بهینه‌سازی حافظه
• 75. مدل‌سازی داده‌های حجیم
• 76. استراتژی‌های پردازش داده‌های حجیم
• 77. کاربرد استن در پروژه‌های بزرگ
• 78. مقدمه‌ای بر مدل‌سازی احتمالاتی پیشرفته
• 79. مدل‌سازی مبتنی بر عامل (Agent-Based Modeling)
• 80. کاربرد استن در شبیه‌سازی‌های مبتنی بر عامل
• 81. مدل‌سازی شبکه‌های پیچیده
• 82. تحلیل شبکه‌های اجتماعی با استن
• 83. مدل‌سازی دینامیک شبکه‌ها
• 84. مدل‌سازی اقتصادسنجی بیزی
• 85. مدل‌های سری زمانی اقتصادی در استن
• 86. مدل‌های رگرسیون پانل بیزی
• 87. مدل‌سازی در علوم زیستی
• 88. مدل‌سازی ژنتیکی و ژنومیک با استن
• 89. مدل‌سازی اپیدمیولوژیک
• 90. مدل‌سازی در علوم رفتاری
• 91. مدل‌سازی تصمیم‌گیری بیزی
• 92. مدل‌سازی حافظه و یادگیری
• 93. مدل‌سازی در علوم اجتماعی
• 94. مدل‌سازی نظرسنجی و پیمایش
• 95. مدل‌سازی رفتار جمعی
• 96. مدل‌سازی در مهندسی
• 97. مدل‌سازی قابلیت اطمینان
• 98. مدل‌سازی سیستم‌های پیچیده
• 99. مدل‌سازی در علوم محیطی
• 100. مدل‌سازی تغییرات اقلیمی