دوره مقدمه‌ای بر Stan و پلتفرم‌های MCMC همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر Stan و پلتفرم‌های MCMC

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

موضوع میانی: مقدمه‌ای بر آمار بیزی

📋 سرفصل‌های دوره

• 1. مبانی مدل‌سازی آماری و احتمال
• 2. مفاهیم اساسی احتمال و توزیع‌های آماری
• 3. معرفی به زبان برنامه‌نویسی پایتون برای تحلیل داده
• 4. مروری بر جبر خطی و محاسبات عددی
• 5. آشنایی با مفاهیم استنتاج آماری
• 6. برآورد پارامترها: حداکثر درست‌نمایی
• 7. برآورد پارامترها: روش گشتاورها
• 8. مقدمه‌ای بر روش‌های بیزی
• 9. قضیه بیز و استنتاج بیزی
• 10. مفاهیم پیشین و پسین در مدل‌سازی بیزی
• 11. معرفی به مفهوم زنجیره‌های مارکوف
• 12. فرآیندهای مارکوف و خواص آن‌ها
• 13. مقدمه‌ای بر روش‌های مونت کارلو
• 14. نمونه‌گیری از توزیع‌ها
• 15. روش مونت کارلو برای محاسبه انتگرال
• 16. مقدمه‌ای بر الگوریتم‌های نمونه‌گیری زنجیره مارکوف (MCMC)
• 17. منطق پشت الگوریتم‌های MCMC
• 18. الگوریتم نمونه‌گیری عشوایی (Gibbs Sampling)
• 19. الگوریتم متروپلیس-هستینگز (Metropolis-Hastings)
• 20. انتخاب گام مناسب در الگوریتم‌های MCMC
• 21. تشخیص همگرایی در زنجیره‌های MCMC
• 22. معیارهای همگرایی (R-hat، Trace Plots)
• 23. بهبود کارایی الگوریتم‌های MCMC
• 24. نمونه‌گیری از توزیع‌های پیچیده
• 25. مدل‌های خطی تعمیم‌یافته (GLMs)
• 26. مدل‌سازی رگرسیونی بیزی
• 27. مدل‌های سلسله مراتبی در آمار بیزی
• 28. مقدمه‌ای بر نرم‌افزار Stan
• 29. نصب و راه‌اندازی Stan
• 30. زبان مدل‌سازی Stan (Stan Modeling Language)
• 31. نوشتن مدل‌های ساده در Stan
• 32. کامپایل و اجرای مدل‌ها در Stan
• 33. مدیریت داده‌ها در Stan
• 34. پیش‌پردازش داده‌ها برای Stan
• 35. پس‌پردازش نتایج Stan
• 36. تجسم نتایج مدل‌های Stan
• 37. ارزیابی کیفیت مدل با استفاده از Stan
• 38. اعتبارسنجی متقابل مدل‌های بیزی
• 39. مدل‌سازی سری‌های زمانی با Stan
• 40. مدل‌های رگرسیون خطی در Stan
• 41. مدل‌های رگرسیون لجستیک در Stan
• 42. مدل‌های رگرسیون پواسون در Stan
• 43. مدل‌سازی اثرات ثابت و تصادفی در Stan
• 44. مدل‌های سلسله مراتبی خطی در Stan
• 45. مدل‌های سلسله مراتبی غیرخطی در Stan
• 46. مدل‌سازی داده‌های طولی با Stan
• 47. مدل‌سازی بقا در Stan
• 48. مدل‌سازی داده‌های طبقه‌بندی شده در Stan
• 49. مدل‌سازی داده‌های شمارشی در Stan
• 50. مدل‌سازی داده‌های خوشه‌ای در Stan
• 51. مدل‌سازی شبکه‌های اجتماعی با Stan
• 52. مدل‌سازی گراف در Stan
• 53. مقدمه‌ای بر پلتفرم‌های MCMC دیگر
• 54. مقایسه Stan با سایر پلتفرم‌های MCMC
• 55. کاربرد Stan در علوم زیستی
• 56. کاربرد Stan در علوم اجتماعی
• 57. کاربرد Stan در اقتصاد
• 58. کاربرد Stan در مهندسی
• 59. کاربرد Stan در علوم محیطی
• 60. کاربرد Stan در علوم کامپیوتر
• 61. کاربرد Stan در پزشکی
• 62. کاربرد Stan در امور مالی
• 63. کاربرد Stan در تحقیقات بازار
• 64. کاربرد Stan در مطالعات رفتاری
• 65. کاربرد Stan در ژنتیک
• 66. کاربرد Stan در اپیدمیولوژی
• 67. کاربرد Stan در علم داده‌های بزرگ
• 68. کاربرد Stan در یادگیری ماشین
• 69. مدل‌سازی استنتاجی بیزی در Stan
• 70. تکنیک‌های پیشرفته مدل‌سازی در Stan
• 71. کاربرد Stan برای مدل‌های علّی
• 72. استنتاج علّی با استفاده از Stan
• 73. مدل‌سازی پیش‌بینی با Stan
• 74. ارزیابی عدم قطعیت در پیش‌بینی‌ها
• 75. مدل‌سازی توزیع‌های شرطی با Stan
• 76. مدل‌سازی توزیع‌های حاشیه‌ای با Stan
• 77. مدل‌سازی توابع چگالی شرطی با Stan
• 78. کاربرد Stan در تحلیل داده‌های پراکنده
• 79. کاربرد Stan در تحلیل داده‌های گمشده
• 80. مدل‌سازی بیزی برای داده‌های پرت
• 81. مدل‌سازی بیزی برای داده‌های چندسطحی
• 82. مدل‌سازی بیزی برای داده‌های فضایی
• 83. مدل‌سازی بیزی برای داده‌های زمانی-فضایی
• 84. کاربرد Stan در شبیه‌سازی آماری
• 85. تولید داده‌های شبیه‌سازی شده با Stan
• 86. تست فرضیه‌های آماری با Stan
• 87. انتخاب مدل با استفاده از معیارهای بیزی
• 88. ارزیابی حساسیت مدل در Stan
• 89. بهینه‌سازی پارامترهای MCMC در Stan
• 90. استفاده از Stan برای مدل‌های سفارشی
• 91. ملاحظات اجرایی و بهینه‌سازی در Stan
• 92. نکات تکمیلی و پیشرفته در Stan
• 93. پروژه‌های عملی با Stan
• 94. حل مسائل پیچیده با استفاده از Stan
• 95. مطالعات موردی پیشرفته در Stan
• 96. توسعه مدل‌های پیچیده در Stan
• 97. کاربرد Stan در تحقیقات علمی
• 98. آموزش پیشرفته Stan برای متخصصان
• 99. کاربرد Stan در حل مسائل واقعی
• 100. استفاده از Stan برای تحلیل اکتشافی