دوره رفع اشکال مدل‌های Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره رفع اشکال مدل‌های Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی آماری در Stan
• 2. مفاهیم پایه احتمال و آمار
• 3. آشنایی با زبان برنامه‌نویسی R
• 4. نصب و راه‌اندازی Stan و R
• 5. مبانی مدل‌های خطی تعمیم‌یافته
• 6. مدل‌های رگرسیون خطی در Stan
• 7. برآورد پارامترها با روش حداکثر درست‌نمایی
• 8. استفاده از بسته rstan در R
• 9. مدل‌های رگرسیون لجستیک در Stan
• 10. مدل‌های رگرسیون پواسون در Stan
• 11. مدل‌های رگرسیون ناپارامتری
• 12. مقدمه‌ای بر مفاهیم بیزی
• 13. قضیه بیز و کاربردهای آن
• 14. توزیع‌های پیشین و پسین
• 15. روش‌های نمونه‌برداری از توزیع پسین
• 16. مقدمه‌ای بر MCMC
• 17. الگوریتم گیبس سمپلینگ
• 18. الگوریتم متروپلیس-هستینگز
• 19. بررسی همگرایی زنجیره‌های مارکوف
• 20. معیارهای تشخیص همگرایی
• 21. تحلیل نتایج MCMC در Stan
• 22. مدل‌های سلسله‌مراتبی در Stan
• 23. مزایای مدل‌های سلسله‌مراتبی
• 24. پیاده‌سازی مدل‌های سلسله‌مراتبی در Stan
• 25. مدل‌های اثرات مختلط
• 26. کاربرد مدل‌های سلسله‌مراتبی در علوم اجتماعی
• 27. کاربرد مدل‌های سلسله‌مراتبی در پزشکی
• 28. کاربرد مدل‌های سلسله‌مراتبی در اقتصاد
• 29. مدل‌های سری زمانی در Stan
• 30. مدل‌های ARIMA
• 31. مدل‌های فیلتر کالمن
• 32. مدل‌های فضا-حالت
• 33. کاربرد مدل‌های سری زمانی در پیش‌بینی
• 34. مدل‌های بقا در Stan
• 35. مدل‌های کاکس
• 36. مدل‌های بقا با توزیع‌های مختلف
• 37. کاربرد مدل‌های بقا در پزشکی
• 38. کاربرد مدل‌های بقا در مهندسی
• 39. مدل‌های خوشه‌بندی در Stan
• 40. الگوریتم K-means
• 41. مدل‌های مخلوط گوسی
• 42. کاربرد مدل‌های خوشه‌بندی در بازاریابی
• 43. کاربرد مدل‌های خوشه‌بندی در بیوانفورماتیک
• 44. مدل‌های شبکه‌های عصبی در Stan
• 45. مقدمه‌ای بر یادگیری عمیق
• 46. شبکه‌های پیشخور
• 47. شبکه‌های کانولوشنی
• 48. شبکه‌های بازگشتی
• 49. کاربرد شبکه‌های عصبی در پردازش تصویر
• 50. کاربرد شبکه‌های عصبی در پردازش زبان طبیعی
• 51. مدل‌های رگرسیون کوانتایل در Stan
• 52. مفهوم رگرسیون کوانتایل
• 53. پیاده‌سازی رگرسیون کوانتایل در Stan
• 54. کاربرد رگرسیون کوانتایل در تحلیل داده‌ها
• 55. مدل‌های مدل‌سازی داده‌های فضایی در Stan
• 56. مفاهیم پایه‌ای آمار فضایی
• 57. مدل‌های خودهمبستگی فضایی
• 58. مدل‌های ناهمگنی فضایی
• 59. کاربرد مدل‌های فضایی در علوم محیطی
• 60. کاربرد مدل‌های فضایی در شهرسازی
• 61. مدل‌های مدل‌سازی داده‌های شبکه‌ای در Stan
• 62. مبانی نظری گراف‌ها
• 63. مدل‌های مبتنی بر ویژگی‌های گره
• 64. مدل‌های مبتنی بر ویژگی‌های پیوند
• 65. کاربرد مدل‌های شبکه‌ای در علوم اجتماعی
• 66. کاربرد مدل‌های شبکه‌ای در شبکه‌های اجتماعی
• 67. مدل‌های استنتاج بیزی برای مدل‌های پیچیده
• 68. روش‌های نمونه‌گیری پیشرفته
• 69. استفاده از Stan برای مدل‌های سفارشی
• 70. اعتبارسنجی مدل‌ها
• 71. مقایسه مدل‌ها
• 72. بهینه‌سازی کد Stan
• 73. دیباگ کردن مدل‌های Stan
• 74. تکنیک‌های پیشرفته در Stan
• 75. کاربرد Stan در تحقیقات علمی
• 76. نکات مهم در گزارش‌دهی نتایج Stan
• 77. مطالعه موردی ۱: تحلیل داده‌های پیمایشی
• 78. مطالعه موردی ۲: مدل‌سازی رشد جمعیت
• 79. مطالعه موردی ۳: پیش‌بینی بازار سهام
• 80. مطالعه موردی ۴: تحلیل داده‌های پزشکی
• 81. مطالعه موردی ۵: مدل‌سازی رفتار مصرف‌کننده
• 82. مطالعه موردی ۶: تحلیل داده‌های زیست‌محیطی
• 83. مطالعه موردی ۷: مدل‌سازی داده‌های ورزشی
• 84. مطالعه موردی ۸: تحلیل داده‌های آموزشی
• 85. مطالعه موردی ۹: مدل‌سازی داده‌های ترافیک
• 86. مطالعه موردی ۱۰: تحلیل داده‌های مالی
• 87. مرور کلی بر مدل‌های پیشرفته در Stan
• 88. آینده مدل‌سازی آماری با Stan
• 89. راهنمای جامع برای حل مسائل پیچیده آماری
• 90. جمع‌بندی و نکات پایانی برای استفاده مؤثر از Stan
• 91. توسعه مدل‌های سفارشی در Stan
• 92. نکات پیشرفته برای نوشتن کد Stan
• 93. کاربرد Stan در پژوهش‌های بین‌رشته‌ای
• 94. نکات امنیتی در استفاده از داده‌ها
• 95. اصول اخلاقی در مدل‌سازی آماری
• 96. منابع تکمیلی برای یادگیری عمیق‌تر Stan