دوره Stan و R: هم‌افزایی برای نمونه‌گیری بیزی پیشرفته همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Stan و R: هم‌افزایی برای نمونه‌گیری بیزی پیشرفته

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

موضوع میانی: ادغام Stan با R، Python و سایر زبان‌ها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر زبان R و Stan
• 2. نصب و پیکربندی R و Stan
• 3. آشنایی با محیط RStudio
• 4. مبانی زبان R برای تحلیل داده
• 5. ساختارهای داده در R (بردارها، ماتریس‌ها، لیست‌ها، دیتافریم‌ها)
• 6. عملیات پایه بر روی دیتافریم‌ها
• 7. توابع و حلقه‌ها در R
• 8. مفاهیم پایه برنامه‌نویسی در R
• 9. مبانی آمار و احتمال
• 10. توزیع‌های احتمال گسسته و پیوسته
• 11. مفاهیم نمونه‌گیری
• 12. مقدمه‌ای بر استنباط بیزی
• 13. قضیه بیز
• 14. توزیع پیشین و پسین
• 15. تخمین‌گرهای بیزی
• 16. مقدمه‌ای بر مدل‌سازی بیزی
• 17. مدل‌های خطی بیزی
• 18. مقدمه‌ای بر زبان Stan
• 19. سینتکس پایه Stan
• 20. انواع متغیرها در Stan
• 21. تعریف مدل‌های احتمالاتی در Stan
• 22. توابع توزیع در Stan
• 23. توابع کمکی در Stan
• 24. استفاده از Stan برای تخمین پارامترها
• 25. نمونه‌گیری MCMC (Markov Chain Monte Carlo)
• 26. الگوریتم Gibbs Sampling
• 27. الگوریتم Metropolis-Hastings
• 28. الگوریتم Hamiltonian Monte Carlo (HMC)
• 29. روش‌های ارزیابی همگرایی MCMC
• 30. تشخیص همگرایی مدل
• 31. شاخص‌های ارزیابی همگرایی (R-hat, ESS)
• 32. نوشتن مدل‌های Stan برای توزیع‌های مختلف
• 33. مدل‌سازی بیزی برای رگرسیون خطی در Stan
• 34. تفسیر خروجی‌های Stan
• 35. رسم نمودارهای پسین
• 36. نمونه‌گیری بیزی برای رگرسیون لجستیک
• 37. مدل‌سازی سلسله‌مراتبی بیزی
• 38. کاربرد مدل‌های سلسله‌مراتبی
• 39. نوشتن مدل‌های سلسله‌مراتبی در Stan
• 40. نمونه‌گیری بیزی برای مدل‌های باینری سلسله‌مراتبی
• 41. کاربرد مدل‌های خطی تعمیم‌یافته بیزی (GLM)
• 42. نوشتن مدل‌های GLM در Stan
• 43. مدل‌سازی بیزی برای داده‌های شمارشی
• 44. مدل‌سازی بیزی برای داده‌های بقا
• 45. مقدمه‌ای بر مدل‌های سری زمانی بیزی
• 46. مدل‌سازی ARIMA بیزی در Stan
• 47. مدل‌سازی حالت-فضا بیزی
• 48. استفاده از پکیج rstan در R
• 49. ارتباط R با Stan
• 50. ارسال مدل‌های Stan از R
• 51. دریافت نتایج از Stan در R
• 52. تجسم نتایج مدل‌های بیزی در R
• 53. پکیج loo برای ارزیابی مدل
• 54. معیارهای اطلاعاتی (WAIC, LOOIC)
• 55. مقایسه مدل‌ها با استفاده از معیارهای اطلاعاتی
• 56. مقدمه‌ای بر روش‌های نمونه‌گیری دیگر (Variational Inference)
• 57. مقایسه MCMC با Variational Inference
• 58. کاربردهای پیشرفته Stan
• 59. مدل‌سازی شبکه‌ای بیزی
• 60. کاربرد در علوم زیستی
• 61. کاربرد در علوم اجتماعی
• 62. کاربرد در اقتصاد
• 63. کاربرد در مهندسی
• 64. مدل‌سازی بیزی برای داده‌های مکانی
• 65. مدل‌سازی بیزی برای داده‌های تصویر
• 66. مدل‌سازی بیزی برای داده‌های متنی
• 67. ملاحظات اخلاقی در تحلیل داده‌های بیزی
• 68. حریم خصوصی داده‌ها
• 69. تفسیر مسئولانه نتایج
• 70. پرهیز از تعمیم‌های نادرست
• 71. ملاحظات مربوط به داده‌های حساس
• 72. کاربرد در نظام سلامت (پروتکل‌های وزارت بهداشت)
• 73. مدل‌سازی بیزی برای مطالعات بالینی
• 74. مدل‌سازی بیزی برای اپیدمیولوژی
• 75. کاربرد در نظام اقتصادی (مقررات بانک مرکزی)
• 76. مدل‌سازی بیزی برای پیش‌بینی اقتصادی
• 77. مدل‌سازی بیزی برای تحلیل ریسک
• 78. کاربرد در نظام آموزشی
• 79. طراحی درس‌افزار با رویکرد بیزی
• 80. ارزیابی اثربخشی آموزشی با رویکرد بیزی
• 81. مدل‌سازی بیزی برای تحلیل داده‌های آموزشی
• 82. مقدمه‌ای بر بهینه‌سازی بیزی
• 83. کاربرد بهینه‌سازی بیزی در تنظیم پارامترها
• 84. مدل‌سازی پیش‌گویانه بیزی
• 85. مقدمه‌ای بر یادگیری ماشین بیزی
• 86. شبکه‌های بیزی در یادگیری ماشین
• 87. کاربرد در تشخیص الگو
• 88. کاربرد در خوشه‌بندی
• 89. مدل‌سازی بیزی برای سیستم‌های توصیه
• 90. مباحث تکمیلی در زبان Stan
• 91. تکنیک‌های پیشرفته مدل‌سازی
• 92. نوشتن کد Stan کارآمد
• 93. اشکال‌زدایی مدل‌های Stan
• 94. مقدمه‌ای بر سایر زبان‌های مدل‌سازی بیزی (PyMC, TensorFlow Probability)
• 95. مقایسه Stan با سایر ابزارها
• 96. پروژه‌های عملی با Stan و R
• 97. تکمیل یک پروژه نمونه‌گیری بیزی
• 98. ارائه نتایج پروژه
• 99. بررسی موارد موفق و ناموفق در پروژه‌ها
• 100. نکات کلیدی برای موفقیت در استنباط بیزی