دوره تنظیمات پیشرفته برای نمونهگیری در Stan همراه با فلشکارت آموزشی — ارائه روی فلش مموری
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره تنظیمات پیشرفته برای نمونهگیری در Stan
موضوع کلی: روشهای نمونهگیری مونتکارلو مارکوف (MCMC) در آمار بیزی
موضوع میانی: مخاطرات و تنظیمات Stan
📋 سرفصلهای دوره
- 1. مقدمهای بر زبان برنامهنویسی R
- 2. نصب و پیکربندی R و RStudio
- 3. آشنایی با ساختارهای داده در R (بردارها، ماتریسها، دیتافریمها)
- 4. عملیات پایه با دادهها در R
- 5. توابع و بستههای R
- 6. نوشتن توابع سفارشی در R
- 7. مقدمهای بر مدلسازی آماری
- 8. مفاهیم پایه احتمال
- 9. توزیعهای احتمالی گسسته
- 10. توزیعهای احتمالی پیوسته
- 11. آمار توصیفی در R
- 12. مصورسازی دادهها در R
- 13. مقدمهای بر نمونهگیری
- 14. انواع روشهای نمونهگیری
- 15. مقدمهای بر بسترهای مدلسازی آماری
- 16. معرفی نرمافزار Stan
- 17. نصب و راهاندازی Stan
- 18. آشنایی با زبان Stan
- 19. نحو پایه در Stan
- 20. انواع داده در Stan
- 21. متغیرها و عملگرها در Stan
- 22. ساختارهای کنترلی در Stan (دستورات شرطی)
- 23. ساختارهای کنترلی در Stan (حلقهها)
- 24. تعریف مدلهای ساده در Stan
- 25. فرمولبندی مدلهای آماری برای Stan
- 26. مدل خطی ساده در Stan
- 27. مدل خطی تعمیمیافته (GLM) در Stan
- 28. مدلهای سلسلهمراتبی (Hierarchical Models)
- 29. مقدمهای بر مدلهای سلسلهمراتبی
- 30. مدلهای اثرات ثابت و تصادفی
- 31. مدلهای چندسطحی در Stan
- 32. پیادهسازی مدلهای سلسلهمراتبی در Stan
- 33. نمونهگیری در Stan: مفاهیم پایه
- 34. روشهای نمونهگیری مارکوف چین مونت کارلو (MCMC)
- 35. الگوریتم گیبس (Gibbs Sampling)
- 36. الگوریتم هَستینگز-متروپلیس (Metropolis-Hastings)
- 37. الگوریتم نمونهگیرالیفوی (Hamiltonian Monte Carlo - HMC)
- 38. الگوریتم نمونهگیرالیفوی با گام تصادفی (No-U-Turn Sampler - NUTS)
- 39. تنظیمات پیشرفته برای نمونهگیری در Stan
- 40. تنظیم تعداد زنجیرهها (Chains)
- 41. تنظیم طول زنجیرهها (Iterations)
- 42. تنظیم مرحله گرمسازی (Warm-up)
- 43. تنظیم گامهای HMC (stepsize)
- 44. تنظیم تعداد گامهای HMC (n_leapfrog)
- 45. تنظیم آستانه انرژی (energy_threshold)
- 46. تنظیم پارامترهای مربوط به NUTS
- 47. تنظیمات مربوط به تشخیص همگرایی (Convergence Diagnostics)
- 48. معیار R-hat
- 49. نمودارهای Trace Plot
- 50. نمودارهای Autocorrelation Plot
- 51. روشهای بصری بررسی همگرایی
- 52. روشهای کمی بررسی همگرایی
- 53. تنظیمات مربوط به دقت محاسباتی
- 54. تنظیمات مربوط به مدیریت حافظه
- 55. تنظیمات مربوط به استفاده از پردازندههای چندگانه (Parallel Computing)
- 56. تنظیمات مربوط به خروجیهای Stan
- 57. ذخیرهسازی نتایج نمونهگیری
- 58. فرمتهای خروجی Stan
- 59. خواندن خروجیهای Stan در R
- 60. تحلیل نتایج مدلهای Stan
- 61. تفسیر پارامترهای مدل
- 62. محاسبه فواصل اطمینان
- 63. انجام پیشبینی با مدل
- 64. ارزیابی برازش مدل (Model Fit Assessment)
- 65. شاخصهای برازش مدل
- 66. روشهای اعتبارسنجی متقابل (Cross-validation)
- 67. اعتبارسنجی پیشبینانه (Posterior Predictive Checks)
- 68. مدلسازی دادههای سری زمانی در Stan
- 69. مدلهای ARIMA در Stan
- 70. مدلهای حالت-فضا (State-Space Models) در Stan
- 71. مدلسازی دادههای مکانی در Stan
- 72. مدلهای اثرات فضایی در Stan
- 73. مدلسازی دادههای گسسته در Stan
- 74. مدلهای لجستیک سلسلهمراتبی در Stan
- 75. مدلهای پواسون سلسلهمراتبی در Stan
- 76. مدلسازی دادههای بقا در Stan
- 77. مدلهای کاکس (Cox Models) در Stan
- 78. استفاده از Stan برای بهینهسازی
- 79. تنظیمات پیشرفته برای بهینهسازی در Stan
- 80. کاربرد Stan در مدلسازی بیزی
- 81. مفاهیم پایه مدلسازی بیزی
- 82. قضیه بیز
- 83. توزیع پیشین (Prior Distribution)
- 84. توزیع پسین (Posterior Distribution)
- 85. توزیع درستنمایی (Likelihood Distribution)
- 86. روشهای تخمین توزیع پسین
- 87. مزایای مدلسازی بیزی
- 88. کاربرد عملی مدلسازی بیزی
- 89. بررسی حساسیت به توزیع پیشین
- 90. انتخاب توزیع پیشین مناسب
- 91. نمونهسازی پیشین (Prior Predictive Sampling)
- 92. نمونهسازی پسین (Posterior Predictive Sampling)
- 93. مدلسازی دادههای ناقص (Missing Data) در Stan
- 94. استراتژیهای برخورد با دادههای ناقص
- 95. روشهای imputation در Stan
- 96. مدلسازی دادههای پرت (Outlier Detection) در Stan
- 97. روشهای شناسایی دادههای پرت
- 98. مدلسازی دادههای تودرتو (Nested Data) در Stan
- 99. مدلهای چند سطحی برای دادههای تودرتو
- 100. مقدمهای بر تحلیل عاملی در Stan
محتویات بسته آموزشی
🌐 سامانه آنلاین فلشکارت؛ مرور هدفمند و هوشمند
اکانت ارائهشده، دسترسی به نسخه تحت وب سامانه فلشکارت ویژه این دوره را فراهم میکند. این سامانه از الگوریتم زمانبندی مرور SM-2 استفاده میکند و بر اساس ارزیابی شما از میزان یادآوری هر کارت، زمان مرورهای بعدی را تنظیم میکند.
به این ترتیب، کارتهای دشوارتر میتوانند زودتر مرور شوند و برای تثبیت مطالب در حافظه، برنامه مرور متناسبتری داشته باشید.
مدتزمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج میشود.
گواهی دوزبانه با استعلام آنلاین
پس از تکمیل فعالیتهای لازم و تأیید درخواست، گواهی پایان دوره به زبان فارسی و انگلیسی صادر میشود. گواهی دارای لینک اختصاصی و QR Code برای بررسی و استعلام آنلاین است.
این گواهی صرفاً بهعنوان گواهی اتمام دوره آموزشی صادر میشود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نیست. صدور آن منوط به تکمیل شرایط دوره و تأیید نهایی درخواست است.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.