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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیمات پیشرفته برای 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 و زبان Stan
• 2. مبانی برنامه‌نویسی در Stan: ساختار و سینتکس
• 3. تعریف متغیرها، پارامترها و توابع در Stan
• 4. مدل‌های خطی ساده در Stan
• 5. مدل‌های خطی تعمیم‌یافته (GLM) در Stan
• 6. مدل‌های سلسله‌مراتبی (Hierarchical Models)
• 7. مفاهیم بیزی و تفسیر نتایج
• 8. کاربرد توزیع‌های پیشین (Prior Distributions)
• 9. انتخاب توزیع‌های پیشین مناسب
• 10. روش‌های نمونه‌برداری مارکوف چین مونت کارلو (MCMC)
• 11. الگوریتم‌های نمونه‌برداری در Stan (NUTS)
• 12. ارزیابی همگرایی مدل‌ها
• 13. تشخیص و رفع مشکلات همگرایی
• 14. اعتبارسنجی مدل با استفاده از داده‌های شبیه‌سازی شده
• 15. کتابخانه‌های استاندارد Stan
• 16. کاربرد توابع احتمال و توابع کمکی
• 17. مدل‌سازی داده‌های شمارشی (Count Data)
• 18. مدل‌سازی داده‌های دودویی (Binary Data)
• 19. مدل‌سازی داده‌های ترتیبی (Ordinal Data)
• 20. مدل‌سازی داده‌های پیوسته با توزیع‌های نرمال
• 21. مدل‌سازی داده‌های پیوسته با توزیع‌های دیگر
• 22. مدل‌سازی سری‌های زمانی (Time Series Models)
• 23. مدل‌های خودرگرسیو (AR) در Stan
• 24. مدل‌های میانگین متحرک (MA) در Stan
• 25. مدل‌های ARMA و ARIMA در Stan
• 26. مدل‌های فضایی (Spatial Models)
• 27. مدل‌سازی داده‌های مکانی با استفاده از Stan
• 28. مقدمه‌ای بر شبکه‌های عصبی در Stan
• 29. پیاده‌سازی شبکه‌های عصبی پرسپترون چندلایه (MLP)
• 30. آموزش و اعتبارسنجی شبکه‌های عصبی
• 31. مدل‌سازی داده‌های گمشده (Missing Data)
• 32. روش‌های جایگزینی داده‌های گمشده در Stan
• 33. مدل‌سازی تاثیرات متقاطع (Interaction Effects)
• 34. مدل‌سازی اثرات غیرخطی
• 35. کاربرد مدل‌های ترکیبی (Mixture Models)
• 36. مدل‌سازی پروفایل‌های پنهان (Latent Profile Analysis)
• 37. مدل‌سازی روابط ساختاری (Structural Equation Modeling - SEM)
• 38. کاربرد مدل‌سازی معادلات ساختاری در Stan
• 39. مدل‌سازی شبکه‌های اجتماعی
• 40. مدل‌سازی دینامیک شبکه‌های اجتماعی
• 41. نکات پیشرفته در برنامه‌نویسی Stan
• 42. بهینه‌سازی کد Stan برای سرعت و کارایی
• 43. استفاده از دستورات و توابع شرطی در Stan
• 44. مدیریت حلقه‌ها و تکرارها در Stan
• 45. ایجاد توابع سفارشی در Stan
• 46. استفاده از آرایه‌ها و ماتریس‌ها در Stan
• 47. مدل‌سازی داده‌های پویا (Dynamic Models)
• 48. مدل‌سازی فرآیندهای تصادفی (Stochastic Processes)
• 49. مقدمه‌ای بر مدل‌سازی بیزی سلسله‌مراتبی پیشرفته
• 50. مدل‌سازی اثرات مختلط (Mixed Effects Models)
• 51. کاربرد مدل‌های مختلط در علوم رفتاری
• 52. مدل‌سازی تحلیل بقا (Survival Analysis)
• 53. مدل‌های کاکس (Cox Models) در Stan
• 54. مدل‌سازی داده‌های پرهزینه (Cost-Sensitive Data)
• 55. مدل‌سازی داده‌های با توزیع‌های چولگی بالا
• 56. مدل‌سازی داده‌های با چولگی منفی
• 57. مدل‌سازی داده‌های پرت (Outlier Detection)
• 58. مدل‌سازی داده‌های با ساختار پیچیده
• 59. کاربرد مدل‌سازی بیزی در تحقیقات علمی
• 60. روش‌های مقایسه مدل‌ها (Model Comparison)
• 61. شاخص اطلاعات آکائیکه (AIC) و بیزی (BIC)
• 62. شاخص اطلاعات پسین (DIC)
• 63. اعتبارسنجی متقابل (Cross-validation) در Stan
• 64. استفاده از شواهد بیزی (Bayes Factor)
• 65. مدل‌سازی داده‌های حجیم (Big Data) با Stan
• 66. استفاده از Stan با زبان‌های برنامه‌نویسی دیگر (R, Python)
• 67. ارتباط Stan با ابزارهای تحلیل داده دیگر
• 68. کاربرد Stan در اقتصاد سنجی
• 69. مدل‌سازی سری‌های زمانی اقتصادی
• 70. کاربرد Stan در روانشناسی
• 71. مدل‌سازی معادلات ساختاری در روانشناسی
• 72. کاربرد Stan در زیست‌شناسی
• 73. مدل‌سازی ژنتیکی با استفاده از Stan
• 74. کاربرد Stan در علوم اجتماعی
• 75. مدل‌سازی شبکه‌های اجتماعی در علوم اجتماعی
• 76. کاربرد Stan در پزشکی و سلامت
• 77. مدل‌سازی آماری در اپیدمیولوژی
• 78. کاربرد Stan در مهندسی
• 79. مدل‌سازی قابلیت اطمینان در مهندسی
• 80. کاربرد Stan در علوم محیط زیست
• 81. مدل‌سازی آلودگی هوا با Stan
• 82. کاربرد Stan در علوم سیاسی
• 83. مدل‌سازی رفتار رای‌دهندگان
• 84. مقدمه‌ای بر مدل‌سازی بیزی پویا
• 85. مدل‌سازی فرآیندهای مارکوف پنهان (HMM)
• 86. کاربرد HMM در تحلیل داده‌ها
• 87. مدل‌سازی فرآیندهای گوسی (Gaussian Processes)
• 88. کاربرد فرآیندهای گوسی در پیش‌بینی
• 89. مدل‌سازی داده‌های چندسطحی (Multilevel Data)
• 90. مدل‌سازی داده‌های طولی (Longitudinal Data)
• 91. مدل‌سازی داده‌های پنلی (Panel Data)
• 92. کاربرد مدل‌سازی بیزی در تحلیل داده‌های گمشده
• 93. روش‌های پیشرفته مدل‌سازی بیزی
• 94. مبانی یادگیری ماشین بیزی
• 95. مدل‌سازی بیزی برای خوشه‌بندی (Clustering)
• 96. مدل‌سازی بیزی برای طبقه‌بندی (Classification)
• 97. مدل‌سازی بیزی برای رگرسیون غیرخطی
• 98. مقدمه‌ای بر مدل‌سازی بیزی عمیق (Deep Bayesian Modeling)
• 99. کاربرد مدل‌سازی بیزی عمیق در یادگیری ماشین
• 100. چالش‌های عملی در مدل‌سازی بیزی پیچیده