دوره تنظیمات پیشرفته for مدل‌سازی‌های پیچیده در Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیمات پیشرفته for مدل‌سازی‌های پیچیده در 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. مبانی احتمال و آمار برای مدل‌سازی
• 3. توزیع‌های احتمال رایج و کاربرد آن‌ها
• 4. مفاهیم پایه در مدل‌سازی رگرسیون خطی
• 5. رگرسیون خطی چندگانه در Stan
• 6. مقدمه‌ای بر مدل‌های سلسله‌مراتبی
• 7. مدل‌های سلسله‌مراتبی خطی
• 8. مفاهیم پایه در آمار بیزی
• 9. فرآیند مارکوف زنجیره‌ای مونت کارلو (MCMC)
• 10. مقدمه‌ای بر زبان برنامه‌نویسی Stan
• 11. نوشتن مدل‌های ساده در Stan
• 12. کار با داده‌ها در Stan
• 13. مدیریت مدل‌های پیچیده در Stan
• 14. استفاده از توابع کمکی در Stan
• 15. اعتبارسنجی مدل با استفاده از داده‌های شبیه‌سازی شده
• 16. تفسیر نتایج مدل‌های بیزی
• 17. روش‌های تشخیص همگرایی در MCMC
• 18. معیارهای ارزیابی کیفیت مدل
• 19. مدل‌های رگرسیون لجستیک بیزی
• 20. مدل‌های رگرسیون پواسون بیزی
• 21. مدل‌های مخلوط خطی سلسله‌مراتبی
• 22. مدل‌های اثرات تصادفی
• 23. مدل‌های اثرات ثابت
• 24. مدل‌های اثرات ترکیبی
• 25. مدل‌سازی سری‌های زمانی در Stan
• 26. مدل‌های ARIMA بیزی
• 27. مدل‌های فضای حالت در Stan
• 28. مدل‌سازی داده‌های مکانی در Stan
• 29. مدل‌های اتورگرسیو مکانی
• 30. مدل‌های خودهمبستگی مکانی
• 31. مقدمه‌ای بر مدل‌های بقا
• 32. مدل‌های کاپلان-مایر در Stan
• 33. مدل‌های رگرسیون کاکس بیزی
• 34. مدل‌سازی داده‌های طبقه‌بندی شده
• 35. مدل‌های لجستیک چندگانه
• 36. مدل‌های چندسطحی برای داده‌های طبقه‌بندی شده
• 37. مدل‌سازی داده‌های پانل
• 38. مدل‌های اثرات ثابت برای داده‌های پانل
• 39. مدل‌های اثرات تصادفی برای داده‌های پانل
• 40. مدل‌سازی داده‌های گسسته
• 41. مدل‌های گام به گام در Stan
• 42. مدل‌سازی داده‌های حجیم (Big Data)
• 43. تکنیک‌های نمونه‌گیری پیشرفته در Stan
• 44. مدل‌سازی شبکه‌های اجتماعی در Stan
• 45. مدل‌های گراف در Stan
• 46. مقدمه‌ای بر یادگیری ماشین بیزی
• 47. مدل‌های بیزی برای طبقه‌بندی
• 48. مدل‌های بیزی برای رگرسیون
• 49. مدل‌های بیزی برای خوشه‌بندی
• 50. مدل‌های بیزی برای کاهش ابعاد
• 51. روش‌های اعتبارسنجی متقابل در Stan
• 52. تنظیم هایپرپارامترها در مدل‌های بیزی
• 53. بهینه‌سازی مدل‌های بیزی
• 54. مدل‌سازی علّی در Stan
• 55. شناسایی روابط علّی
• 56. مدل‌سازی معادلات ساختاری بیزی
• 57. مقدمه‌ای بر مدل‌های پیش‌بینی
• 58. اعتبارسنجی مدل‌های پیش‌بینی
• 59. ارزیابی عملکرد مدل‌های پیش‌بینی
• 60. مدل‌سازی پیش‌بینی سری‌های زمانی
• 61. مدل‌سازی پیش‌بینی داده‌های مکانی
• 62. مدل‌سازی پیش‌بینی برای تصمیم‌گیری
• 63. مدل‌سازی عدم قطعیت در پیش‌بینی
• 64. تکنیک‌های تجسم نتایج مدل
• 65. تجسم مدل‌های رگرسیون
• 66. تجسم مدل‌های سلسله‌مراتبی
• 67. تجسم نتایج MCMC
• 68. تجسم داده‌های مکانی
• 69. تجسم شبکه‌های اجتماعی
• 70. استفاده از Stan در تحقیقات علمی
• 71. کاربرد Stan در علوم اجتماعی
• 72. کاربرد Stan در علوم اقتصادی
• 73. کاربرد Stan در علوم پزشکی
• 74. کاربرد Stan در علوم زیستی
• 75. کاربرد Stan در مهندسی
• 76. کاربرد Stan در علوم محیط زیست
• 77. کاربرد Stan در علوم کامپیوتر
• 78. مدل‌سازی پیشرفته در Stan
• 79. تکنیک‌های نمونه‌گیری جایگزین (مانند NUTS)
• 80. مدل‌سازی مبتنی بر شبیه‌سازی در Stan
• 81. مدل‌سازی مبتنی بر بهینه‌سازی در Stan
• 82. کار با ابزارهای جانبی Stan
• 83. توسعه مدل‌های سفارشی در Stan
• 84. اشکال‌زدایی مدل‌های پیچیده در Stan
• 85. نکات پیشرفته در نوشتن کد Stan
• 86. ارتباط Stan با سایر نرم‌افزارها
• 87. کاربرد Stan در تحلیل داده‌های واقعی
• 88. مدل‌سازی رویدادهای نادر در Stan
• 89. مدل‌سازی داده‌های ناقص در Stan
• 90. مدل‌سازی داده‌های حجیم و توزیع شده
• 91. مقدمه‌ای بر مدل‌سازی بیزی پویا
• 92. مدل‌سازی بیزی برای داده‌های فشرده
• 93. کاربرد Stan در علوم تصمیم‌گیری
• 94. مدل‌سازی احتمالی برای ریسک
• 95. مقدمه‌ای بر مدل‌سازی آماری پیشرفته
• 96. تحلیل حساسیت در مدل‌های پیچیده
• 97. ارزیابی قدرت آماری در مدل‌های بیزی
• 98. تکنیک‌های کاهش ابعاد در مدل‌سازی
• 99. مدل‌سازی برای داده‌های چند متغیره
• 100. مدل‌سازی برای داده‌های ساختاریافته