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 و زبان Stan
• 2. نصب و راه‌اندازی Stan و ابزارهای مرتبط
• 3. مفاهیم پایه‌ای احتمال و آمار برای مدل‌سازی
• 4. توزیع‌های احتمال گسسته و پیوسته
• 5. آمار استنباطی و برآورد پارامترها
• 6. روش‌های برآورد بیشینه درست‌نمایی
• 7. مقدمه‌ای بر روش‌های بیزی
• 8. قضیه بیز و تفسیر احتمالات بیزی
• 9. توزیع پیشین و پسین
• 10. توزیع‌های نرمال، گاما، بتا و کاربردهای آن‌ها
• 11. مدل‌های خطی ساده و رگرسیون خطی
• 12. مفاهیم پایه در مدل‌های خطی تعمیم‌یافته (GLM)
• 13. رگرسیون لجستیک برای داده‌های دودویی
• 14. مدل‌های پواسون و شمارشی برای داده‌های شمارشی
• 15. مقدمه‌ای بر زنجیره‌های مارکوف مونت کارلو (MCMC)
• 16. الگوریتم گیبز سمپلینگ (Gibbs Sampling)
• 17. الگوریتم Metropolis-Hastings
• 18. ارزیابی همگرایی الگوریتم‌های MCMC
• 19. معیارهای ارزیابی کیفیت نمونه‌برداری (Trace plots, ACF)
• 20. مفاهیم مدل‌سازی سلسله‌مراتبی
• 21. تأثیر سطوح مختلف در مدل‌های سلسله‌مراتبی
• 22. مدل‌های اثرات مختلط (Mixed Effects Models)
• 23. اعمال مدل‌های سلسله‌مراتبی در Stan
• 24. ساختار کلی کد Stan
• 25. دستورات پایه در زبان Stan (declarations, transformed parameters)
• 26. نوشتن مدل‌های احتمال در Stan
• 27. توابع توزیع و تابع درست‌نمایی در Stan
• 28. استفاده از داده‌ها و پارامترها در Stan
• 29. دستورات شرطی و حلقه‌ها در Stan
• 30. توابع کمکی و تعریف توابع سفارشی
• 31. مدل‌سازی داده‌های سری زمانی با Stan
• 32. مدل‌های ARIMA و کاربرد آن‌ها
• 33. اعمال مدل‌های سری زمانی در Stan
• 34. مدل‌سازی داده‌های مکانی با Stan
• 35. مفاهیم پایه در آمار مکانی
• 36. مدل‌های رگرسیون مکانی در Stan
• 37. مدل‌سازی داده‌های بقا (Survival Data)
• 38. توابع خطر و توابع بقا
• 39. مدل‌های کاکس (Cox Proportional Hazards) در Stan
• 40. مدل‌سازی داده‌های خوشه‌ای (Clustered Data)
• 41. اثرهای تصادفی در مدل‌های خوشه‌ای
• 42. پیاده‌سازی مدل‌های خوشه‌ای در Stan
• 43. مدل‌سازی داده‌های چندسطحی با Stan
• 44. بررسی ساختارهای سلسله‌مراتبی پیچیده
• 45. بهینه‌سازی کد Stan برای سرعت و کارایی
• 46. تکنیک‌های پیشرفته در Stan (e.g., reparameterization)
• 47. کاربرد Stan در علوم اقتصادی
• 48. مدل‌سازی پیش‌بینی در اقتصاد
• 49. کاربرد Stan در علوم اجتماعی
• 50. مدل‌سازی رفتار و انتخاب در علوم اجتماعی
• 51. کاربرد Stan در پزشکی و بهداشت
• 52. مدل‌سازی اپیدمیولوژی و مطالعات بالینی
• 53. کاربرد Stan در علوم محیط زیست
• 54. مدل‌سازی داده‌های زیست‌محیطی
• 55. کاربرد Stan در علوم داده و یادگیری ماشین
• 56. ترکیب مدل‌های آماری و یادگیری ماشین
• 57. مقدمه‌ای بر مدل‌سازی بیزی پیشرفته
• 58. مدل‌های بیزی غیرپارامتری
• 59. روش‌های شبیه‌سازی پیشرفته در Stan
• 60. کاربرد Stan در مدل‌سازی مسائل پیچیده
• 61. بررسی مدل‌های پیش‌بینی بیزی
• 62. مدل‌سازی رگرسیون کوانتیل بیزی
• 63. مدل‌سازی پدیده‌های نادر و داده‌های پرت
• 64. استفاده از Stan برای مدل‌های رگرسیون غیرخطی
• 65. مدل‌سازی اثرات متقابل پیچیده
• 66. مدل‌سازی با استفاده از توزیع‌های ترکیبی
• 67. تکنیک‌های اعتبارسنجی مدل در Stan
• 68. مقایسه مدل‌ها با استفاده از معیارهای بیزی
• 69. مدل‌سازی با داده‌های گمشده (Missing Data)
• 70. روش‌های imputation بیزی با Stan
• 71. مدل‌سازی شبکه‌های اجتماعی با Stan
• 72. تحلیل شبکه‌ها با رویکرد بیزی
• 73. مدل‌سازی احتمالات شرطی با Stan
• 74. کاربرد Stan در تحلیل داده‌های آزمایشگاهی
• 75. مدل‌سازی و تحلیل داده‌های سنجش از دور
• 76. مدل‌سازی پدیده‌های فیزیکی با Stan
• 77. کاربرد Stan در تحلیل داده‌های مالی
• 78. مدل‌سازی ریسک در بازارهای مالی
• 79. مدل‌سازی با استفاده از توزیع‌های مقیاس‌پذیر
• 80. کاربرد Stan در تحلیل داده‌های زیست‌شناسی مولکولی
• 81. مدل‌سازی ژنتیکی و وراثت با Stan
• 82. مدل‌سازی داده‌های حاصل از آزمایش‌های میدانی
• 83. کاربرد Stan در تحلیل داده‌های حاصل از نظرسنجی‌ها
• 84. مدل‌سازی پدیده‌های اجتماعی پیچیده
• 85. کاربرد Stan در تحلیل داده‌های حاصل از حسگرها
• 86. مدل‌سازی و پیش‌بینی داده‌های حسگرها
• 87. مدل‌سازی با استفاده از مدل‌های گرافیکی بیزی
• 88. مقدمه‌ای بر مدل‌های گرافیکی در Stan
• 89. کاربرد Stan در تحلیل داده‌های حاصل از شبیه‌سازی‌ها
• 90. مدل‌سازی و تحلیل داده‌های حاصل از بازی‌ها
• 91. کاربرد Stan در تحلیل داده‌های حاصل از سیستم‌های توصیه‌گر
• 92. مدل‌سازی و تحلیل داده‌های حاصل از نانوتکنولوژی
• 93. کاربرد Stan در تحلیل داده‌های حاصل از رباتیک
• 94. مدل‌سازی و تحلیل داده‌های حاصل از هوش مصنوعی
• 95. مدل‌سازی و تحلیل داده‌های حاصل از داده‌های بزرگ (Big Data)
• 96. کاربرد Stan در تحلیل داده‌های حاصل از شبکه‌های ارتباطی
• 97. مدل‌سازی و تحلیل داده‌های حاصل از سیستم‌های توزیع شده
• 98. کاربرد Stan در تحلیل داده‌های حاصل از داده‌های پزشکی الکترونیکی
• 99. مدل‌سازی و تحلیل داده‌های حاصل از داده‌های قانونی
• 100. کاربرد Stan در تحلیل داده‌های حاصل از داده‌های ورزشی