دوره تنظیمات پیشرفته برای مسائل پیچیده در Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیمات پیشرفته برای مسائل پیچیده 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 Stan
• 2. مفاهیم پایه و ساختار Stan
• 3. انواع داده‌ها در Stan: اعداد، بردارها، ماتریس‌ها
• 4. دستورات شرطی و حلقه‌ها در Stan
• 5. توابع و رویه‌ها در Stan
• 6. مقدمه‌ای بر مدل‌سازی احتمالاتی
• 7. مفاهیم احتمال و آمار در Stan
• 8. توزیع‌های احتمال گسسته در Stan
• 9. توزیع‌های احتمال پیوسته در Stan
• 10. توزیع نرمال و کاربردهای آن در Stan
• 11. توزیع گاما و کاربردهای آن در Stan
• 12. توزیع بتا و کاربردهای آن در Stan
• 13. توزیع پواسون و کاربردهای آن در Stan
• 14. توزیع دوجمله‌ای و کاربردهای آن در Stan
• 15. مقدمه‌ای بر استنتاج بیزی
• 16. قضیه بیز و کاربردهای آن در Stan
• 17. روش‌های نمونه‌گیری در Stan (MCMC)
• 18. الگوریتم گره‌دار مارکوف مونت کارلو (Gibbs Sampling)
• 19. الگوریتم زنجیره مارکوف مونت کارلو (Metropolis-Hastings)
• 20. الگوریتم نمونه‌گیری از زنجیره مارکوف با گام متغیر (NUTS)
• 21. مقدمه‌ای بر مدل‌های خطی در Stan
• 22. مدل‌های رگرسیون خطی ساده در Stan
• 23. مدل‌های رگرسیون خطی چندگانه در Stan
• 24. مقدمه‌ای بر مدل‌های سلسله‌مراتبی
• 25. مدل‌های سلسله‌مراتبی خطی در Stan
• 26. مدل‌های غیرخطی در Stan
• 27. مدل‌های رگرسیون لجستیک در Stan
• 28. مدل‌های رگرسیون پواسون در Stan
• 29. مدل‌های مخلوط (Mixed Models) در Stan
• 30. شبیه‌سازی مدل‌ها در Stan
• 31. اعتبارسنجی مدل‌ها در Stan
• 32. تشخیص و رفع مشکلات در مدل‌های Stan
• 33. بهینه‌سازی کد Stan
• 34. استفاده از داده‌های بزرگ در Stan
• 35. مقدمه‌ای بر مدل‌های سری زمانی
• 36. مدل‌های ARMA در Stan
• 37. مدل‌های ARIMA در Stan
• 38. مدل‌های GARCH در Stan
• 39. مدل‌های پیش‌بینی در Stan
• 40. مقدمه‌ای بر مدل‌های فضایی
• 41. مدل‌های رگرسیون فضایی در Stan
• 42. مدل‌های خودهمبستگی فضایی در Stan
• 43. مقدمه‌ای بر مدل‌های پنهان مارکوف
• 44. مدل‌های پنهان مارکوف در Stan
• 45. کاربرد مدل‌های پنهان مارکوف در پردازش زبان طبیعی
• 46. کاربرد مدل‌های پنهان مارکوف در زیست‌شناسی
• 47. مقدمه‌ای بر یادگیری ماشین
• 48. الگوریتم‌های طبقه‌بندی در Stan
• 49. الگوریتم‌های خوشه‌بندی در Stan
• 50. ماشین‌های بردار پشتیبان (SVM) در Stan
• 51. شبکه‌های عصبی در Stan
• 52. یادگیری عمیق در Stan
• 53. مقدمه‌ای بر مدل‌های آماری پیشرفته
• 54. مدل‌های استنتاج آماری بیزی پیشرفته
• 55. روش‌های مونت کارلو در Stan
• 56. شبیه‌سازی مونت کارلو برای توابع پیچیده
• 57. کاربرد Monte Carlo در بهینه‌سازی
• 58. مقدمه‌ای بر مدل‌های بقا
• 59. مدل‌های کاپلان-مایر در Stan
• 60. مدل‌های رگرسیون کوکس در Stan
• 61. مقدمه‌ای بر مدل‌های آماری در علوم اقتصادی
• 62. مدل‌های سری زمانی اقتصادی در Stan
• 63. مدل‌های اقتصادسنجی در Stan
• 64. مدل‌های پیش‌بینی اقتصادی در Stan
• 65. مقدمه‌ای بر مدل‌های آماری در علوم اجتماعی
• 66. مدل‌های پیمایشی در Stan
• 67. مدل‌های تحلیل عاملی در Stan
• 68. مدل‌های تحلیل مسیر در Stan
• 69. مقدمه‌ای بر مدل‌های آماری در علوم پزشکی
• 70. مدل‌های کارآزمایی بالینی در Stan
• 71. مدل‌های اپیدمیولوژیک در Stan
• 72. مدل‌های ژنتیکی در Stan
• 73. مقدمه‌ای بر مدل‌های آماری در علوم محیطی
• 74. مدل‌های آلودگی هوا در Stan
• 75. مدل‌های تغییرات اقلیمی در Stan
• 76. مدل‌های کیفیت آب در Stan
• 77. مقدمه‌ای بر ابزارهای پیشرفته Stan
• 78. استفاده از Stan با زبان‌های دیگر (R, Python)
• 79. توسعه و به اشتراک‌گذاری کدهای Stan
• 80. مستندسازی کدهای Stan
• 81. اشکال‌زدایی پیشرفته در Stan
• 82. بهینه‌سازی عملکرد در Stan
• 83. ملاحظات اخلاقی در مدل‌سازی آماری
• 84. مقدمه‌ای بر مفاهیم آماری پیشرفته
• 85. احتمال شرطی و استقلال در Stan
• 86. احتمال و آمار در داده‌های پرت در Stan
• 87. استنتاج آماری برای مدل‌های غیرپارامتری در Stan
• 88. روش‌های بوت‌استرپ در Stan
• 89. مقدمه‌ای بر مدل‌های چندسطحی پیشرفته
• 90. مدل‌های رگرسیون چندسطحی با اثرات تصادفی پیچیده
• 91. مدل‌های تحلیل عاملی سلسله‌مراتبی در Stan
• 92. مقدمه‌ای بر مدل‌های آماری برای داده‌های ساختاریافته
• 93. مدل‌های داده‌های پنل در Stan
• 94. مدل‌های داده‌های شبکه‌ای در Stan
• 95. مدل‌های داده‌های مکانی-زمانی در Stan
• 96. کاربرد Stan در تحقیقات علمی
• 97. ارائه نتایج مدل‌سازی در Stan
• 98. مباحث پیشرفته در استنتاج بیزی
• 99. استنتاج بیزی برای مدل‌های پیچیده
• 100. روش‌های هیبریدی در استنتاج بیزی