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. مقدمه‌ای بر روش‌های مونت کارلو زنجیره مارکوف
• 2. مبانی نظری MCMC
• 3. معرفی نرم‌افزار Stan
• 4. نصب و راه‌اندازی Stan
• 5. ساختار زبان Stan
• 6. مدل‌سازی آماری در Stan
• 7. مفاهیم پایه احتمالات و آمار
• 8. توزیع‌های احتمال رایج
• 9. استنباط بیزی
• 10. نظریه بیز
• 11. مفهوم پیشین و پسین
• 12. انتخاب توزیع پیشین مناسب
• 13. مدل‌های خطی در Stan
• 14. رگرسیون خطی بیزی
• 15. رگرسیون لجستیک بیزی
• 16. مدل‌های سلسله مراتبی
• 17. مقدمه‌ای بر مدل‌های سلسله مراتبی
• 18. پیاده‌سازی مدل‌های سلسله مراتبی در Stan
• 19. مدل‌های سری زمانی
• 20. مدل‌های ARIMA بیزی
• 21. مدل‌های حالت‌گذر بیزی
• 22. مدل‌های فضایی
• 23. مدل‌های رگرسیون فضایی بیزی
• 24. مدل‌های طبقه‌بندی فضایی بیزی
• 25. تحلیل بقا
• 26. مدل‌های کاکس بیزی
• 27. مدل‌های بقای پارامتری بیزی
• 28. مدل‌های انتخاب گسسته
• 29. مدل‌های لاجیت و پروبیت بیزی
• 30. مدل‌های انتخاب چندگانه بیزی
• 31. مدل‌های خطای متغیر
• 32. مدل‌سازی خطای متغیر در Stan
• 33. کاربرد مدل‌های خطای متغیر در علوم اجتماعی
• 34. مدل‌های خطای متغیر در علوم پزشکی
• 35. مدل‌های آماری پیشرفته
• 36. مدل‌های خطی تعمیم‌یافته (GLM) در Stan
• 37. مدل‌های خطی تعمیم‌یافته مختلط (GLMM) در Stan
• 38. مدل‌های پنهان مارکوف (HMM) در Stan
• 39. مدل‌های شبکه‌های عصبی بیزی
• 40. مقدمه‌ای بر شبکه‌های عصبی
• 41. پیاده‌سازی شبکه‌های عصبی در Stan
• 42. شبکه‌های عصبی کانولوشنال (CNN) بیزی
• 43. شبکه‌های عصبی بازگشتی (RNN) بیزی
• 44. پردازش زبان طبیعی با Stan
• 45. مدل‌سازی موضوعی بیزی (LDA)
• 46. مدل‌سازی احساسات با Stan
• 47. استخراج اطلاعات از متن با Stan
• 48. تحلیل داده‌های پزشکی با Stan
• 49. مدل‌سازی پیش‌بینی بیماری
• 50. تحلیل بقای بیماران
• 51. مدل‌سازی اثربخشی داروها
• 52. تحلیل داده‌های اقتصادی با Stan
• 53. مدل‌سازی پیش‌بینی اقتصادی
• 54. تحلیل ریسک مالی
• 55. مدل‌سازی بازارهای مالی
• 56. تحلیل داده‌های علوم اجتماعی با Stan
• 57. مدل‌سازی رفتار رای‌دهندگان
• 58. تحلیل شبکه‌های اجتماعی
• 59. مدل‌سازی مهاجرت
• 60. اعتبارسنجی مدل و تشخیص همگرایی
• 61. معیارهای اعتبارسنجی مدل
• 62. تست‌های همگرایی MCMC
• 63. تشخیص واگرایی MCMC
• 64. بهینه‌سازی مدل MCMC
• 65. تنظیم پارامترهای MCMC
• 66. استفاده از الگوریتم‌های پیشرفته MCMC
• 67. کاربرد MCMC در بهینه‌سازی
• 68. تجسم نتایج MCMC
• 69. رسم نمودارهای پسین
• 70. رسم نمودارهای سری زمانی
• 71. رسم نمودارهای پراکندگی
• 72. تفسیر نتایج مدل‌های بیزی
• 73. ارتباط نتایج با سوالات پژوهشی
• 74. ارائه نتایج به صورت علمی
• 75. مقایسه مدل‌های مختلف
• 76. کاربرد MCMC در مطالعات شبیه‌سازی
• 77. شبیه‌سازی داده‌های آماری
• 78. ارزیابی عملکرد الگوریتم‌های MCMC
• 79. بررسی حساسیت مدل به پیشین‌ها
• 80. کاربرد MCMC در داده‌های پرت
• 81. شناسایی و مدیریت داده‌های پرت
• 82. مدل‌سازی داده‌های پرت
• 83. کاربرد MCMC در داده‌های گمشده
• 84. استراتژی‌های مدیریت داده‌های گمشده
• 85. مدل‌سازی داده‌های گمشده در Stan
• 86. کاربرد MCMC در داده‌های حجیم
• 87. چالش‌های MCMC در داده‌های حجیم
• 88. راهکارهای MCMC برای داده‌های حجیم
• 89. مقدمه‌ای بر روش‌های بیزی بی‌پارامتریک
• 90. مدل‌های بیزی بی‌پارامتریک در Stan
• 91. کاربرد MCMC در یادگیری ماشین بیزی
• 92. شبکه‌های بیزی
• 93. استنتاج در شبکه‌های بیزی
• 94. یادگیری از داده‌های نامتقارن
• 95. کاربرد MCMC در علوم محیط زیست
• 96. مدل‌سازی کیفیت هوا
• 97. مدل‌سازی تغییرات اقلیمی
• 98. تحلیل داده‌های زیست‌محیطی
• 99. کاربرد MCMC در مهندسی
• 100. مدل‌سازی قابلیت اطمینان