دوره استفاده از Stan for Advanced Data Analysis همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استفاده از Stan for Advanced Data Analysis

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی آماری پیشرفته
• 2. نصب و راه‌اندازی Stan
• 3. مفاهیم پایه مدل‌سازی بیزی
• 4. توزیع‌های احتمال پیشین و پسین
• 5. قضیه بیز و کاربردهای آن
• 6. مقدمه‌ای بر زبان برنامه‌نویسی R
• 7. وارد کردن و آماده‌سازی داده‌ها در R
• 8. تجسم داده‌ها با R
• 9. آشنایی با بسته `rstanarm`
• 10. مدل‌های خطی در Stan
• 11. مدل‌های رگرسیون خطی بیزی
• 12. مدل‌های رگرسیون لجستیک بیزی
• 13. مدل‌های رگرسیون پواسون بیزی
• 14. مدل‌های سلسله‌مراتبی خطی
• 15. مقدمه‌ای بر مدل‌های سلسله‌مراتبی
• 16. مدل‌های اثرات تصادفی
• 17. مدل‌های اثرات ثابت
• 18. مدل‌های مختلط (Mixed Models)
• 19. مدل‌سازی سلسله‌مراتبی در Stan
• 20. پیاده‌سازی مدل‌های سلسله‌مراتبی در R
• 21. مدل‌های سری زمانی در Stan
• 22. مدل‌های ARIMA بیزی
• 23. مدل‌های حالت فضا (State-Space Models)
• 24. مدل‌های خودرگرسیون شرطی ناهمسانی واریانس (GARCH) بیزی
• 25. مدل‌سازی داده‌های مکانی در Stan
• 26. مدل‌های رگرسیون مکانی بیزی
• 27. مدل‌های خودهمبستگی مکانی
• 28. مدل‌های شبکه‌ای بیزی
• 29. مقدمه‌ای بر مدل‌های شبکه
• 30. مدل‌سازی شبکه‌های اجتماعی با Stan
• 31. مدل‌های عامل‌محور (Agent-Based Models)
• 32. پیاده‌سازی مدل‌های عامل‌محور در R
• 33. مدل‌سازی داده‌های بقا (Survival Data)
• 34. مدل‌های کاکس بیزی
• 35. مدل‌های بقای پارامتری بیزی
• 36. مدل‌سازی داده‌های نیمه‌کمی (Quantile Regression)
• 37. مدل‌های نیمه‌کمی بیزی
• 38. مدل‌سازی داده‌های پرت (Outlier Detection)
• 39. روش‌های بیزی برای تشخیص داده‌های پرت
• 40. مدل‌سازی داده‌های گمشده (Missing Data)
• 41. روش‌های بیزی برای داده‌های گمشده
• 42. مدل‌سازی احتمالاتی در پزشکی
• 43. مدل‌سازی ریسک در اقتصاد
• 44. مدل‌سازی در علوم اجتماعی
• 45. مدل‌سازی در علوم زیستی
• 46. مدل‌سازی در علوم محیطی
• 47. مدل‌سازی در مهندسی
• 48. مقدمه‌ای بر روش‌های مونت کارلو زنجیره مارکوف (MCMC)
• 49. الگوریتم گیبس سمپلینگ (Gibbs Sampling)
• 50. الگوریتم متروپلیس-هستینگز (Metropolis-Hastings)
• 51. تشخیص همگرایی در MCMC
• 52. معیارهای ارزیابی همگرایی
• 53. بهینه‌سازی الگوریتم‌های MCMC
• 54. روش‌های نمونه‌برداری پیشرفته
• 55. کالیبراسیون مدل‌ها
• 56. اعتبارسنجی مدل‌ها
• 57. اعتبارسنجی متقابل (Cross-Validation)
• 58. انتخاب مدل
• 59. مقایسه مدل‌ها
• 60. شاخص‌های اطلاعاتی (AIC, BIC)
• 61. تست فرضیات در مدل‌های بیزی
• 62. تفسیر نتایج مدل‌های بیزی
• 63. ارائه نتایج مدل‌سازی
• 64. کاربرد Stan در تحلیل داده‌های حجیم
• 65. مدل‌سازی پویا
• 66. مدل‌سازی مبتنی بر داده‌های رویداد (Event Data Analysis)
• 67. مدل‌سازی پیش‌بینی (Predictive Modeling)
• 68. مدل‌سازی اکتشافی (Exploratory Modeling)
• 69. روش‌های بیزی برای داده‌های ترافیک
• 70. مدل‌سازی تصمیم‌گیری در شرایط عدم قطعیت
• 71. مدل‌سازی ریسک در بیمه
• 72. مدل‌سازی در حوزه سلامت عمومی
• 73. مدل‌سازی در حوزه کشاورزی
• 74. مدل‌سازی در حوزه منابع طبیعی
• 75. مدل‌سازی در حوزه حمل و نقل
• 76. مدل‌سازی در حوزه انرژی
• 77. مدل‌سازی در حوزه مالی اسلامی
• 78. مدل‌سازی در حوزه پولی و بانکی اسلامی
• 79. مدل‌سازی در حوزه اقتصاد مقاومتی
• 80. مدل‌سازی در حوزه حکمرانی داده‌محور
• 81. مدل‌سازی در حوزه هوش مصنوعی اخلاقی
• 82. مدل‌سازی در حوزه امنیت سایبری
• 83. مدل‌سازی در حوزه مدیریت ریسک سازمانی
• 84. مدل‌سازی در حوزه برنامه‌ریزی شهری
• 85. مدل‌سازی در حوزه مدیریت بحران
• 86. مدل‌سازی در حوزه توسعه پایدار
• 87. مدل‌سازی در حوزه مطالعات فرهنگی
• 88. مدل‌سازی در حوزه مطالعات اجتماعی نوین
• 89. مدل‌سازی در حوزه مدیریت دانش
• 90. مدل‌سازی در حوزه نوآوری و فناوری
• 91. مدل‌سازی در حوزه کارآفرینی
• 92. مدل‌سازی در حوزه سرمایه‌گذاری اخلاقی
• 93. مدل‌سازی در حوزه مسئولیت اجتماعی شرکت‌ها
• 94. مدل‌سازی در حوزه ارزیابی عملکرد
• 95. مدل‌سازی پیشرفته و سفارشی در Stan
• 96. نوشتن کد سفارشی در Stan
• 97. اشکال‌زدایی کدهای Stan
• 98. بهبود کارایی کدهای Stan
• 99. کاربرد Stan در تحقیقات دانشگاهی
• 100. کاربرد Stan در صنعت