دوره رفع اشکال و بهبود عملکرد Stan همراه با فلشکارت آموزشی — ارائه روی فلش مموری
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره رفع اشکال و بهبود عملکرد Stan
موضوع کلی: روشهای نمونهگیری مونتکارلو مارکوف (MCMC) در آمار بیزی
موضوع میانی: مخاطرات و تنظیمات Stan
📋 سرفصلهای دوره
- 1. مقدمه ای بر Stan و فلسفه طراحی آن
- 2. نصب و پیکربندی Stan
- 3. ساختار اصلی مدل در Stan: تعریف متغیرها
- 4. نوشتن تابع احتمال (likelihood) در Stan
- 5. تعریف پیشین ها (priors) در Stan
- 6. توابع توزیع احتمال استاندارد در Stan
- 7. توابع توزیع ترکیبی و شرطی
- 8. ساخت مدل های خطی و رگرسیون در Stan
- 9. مدل های رگرسیون لجستیک و پروبیت
- 10. مدل های سلسله مراتبی (Hierarchical Models)
- 11. مدل های چند سطحی در Stan
- 12. مدل های سری زمانی در Stan
- 13. مدل های فضایی در Stan
- 14. روش های نمونه برداری در Stan: MCMC
- 15. الگوریتم هامیلتونی مونت کارلو (HMC)
- 16. الگوریتم گاما مونت کارلو (NUTS)
- 17. ارزیابی همگرایی مدل ها در Stan
- 18. شاخص های ارزیابی همگرایی: R-hat
- 19. شاخص های ارزیابی همگرایی: Trace plots
- 20. شاخص های ارزیابی همگرایی: Autocorrelation plots
- 21. تشخیص و رفع مشکلات همگرایی
- 22. بهبود سرعت نمونه برداری در Stan
- 23. استفاده از پارامپترهای پیشرفته HMC
- 24. نوشتن توابع سفارشی (User-defined functions) در Stan
- 25. استفاده از آرایه ها و ماتریس ها در Stan
- 26. عملیات برداری و ماتریسی در Stan
- 27. استفاده از حلقه ها (loops) در Stan
- 28. شرط ها (if-else statements) در Stan
- 29. مدیریت داده های گمشده (Missing Data) در Stan
- 30. روش های imputation در Stan
- 31. مدل های بقا (Survival Models) در Stan
- 32. مدل های شرطی (Conditional Models)
- 33. استفاده از Stan برای مدل های گسسته
- 34. مدل های شمارشی (Count Models)
- 35. مدل های داده های دودویی (Binary Data Models)
- 36. مدل های داده های ترتیبی (Ordinal Data Models)
- 37. مدل های داده های چندگانه (Multinomial Models)
- 38. استفاده از Stan با زبان R (rstan)
- 39. استفاده از Stan با زبان Python (pystan)
- 40. استفاده از Stan با زبان Julia
- 41. کار با داده های بزرگ در Stan
- 42. بهینه سازی کد Stan برای کارایی
- 43. اشکال زدایی (Debugging) در Stan
- 44. روش های پیشرفته مدل سازی با Stan
- 45. مدل های حالت پنهان (Hidden Markov Models)
- 46. مدل های پویایی سیستم (System Dynamics Models)
- 47. مدل های مبتنی بر عامل (Agent-Based Models)
- 48. استفاده از Stan در علوم اجتماعی
- 49. استفاده از Stan در علوم زیستی
- 50. استفاده از Stan در علوم اقتصادی
- 51. استفاده از Stan در علوم مهندسی
- 52. استفاده از Stan در علوم محیط زیست
- 53. استفاده از Stan در علوم داده
- 54. روش های پیش پردازش داده برای Stan
- 55. اعتبارسنجی مدل های ساخته شده در Stan
- 56. مقایسه مدل های مختلف در Stan
- 57. استفاده از Stan برای تحلیل حساسیت
- 58. تفسیر نتایج مدل های Bayesian
- 59. ارائه نتایج مدل های Stan
- 60. کار با خروجی های Stan (posterior samples)
- 61. رسم نمودارهای توزیع پسین (Posterior Distributions)
- 62. رسم نمودارهای پیش بینی (Prediction Plots)
- 63. محاسبه معیارهای ارزیابی مدل (Model Evaluation Metrics)
- 64. استفاده از Stan برای تحلیل بیزی سیاست گذاری
- 65. کار با داده های طولی (Longitudinal Data) در Stan
- 66. مدل های اثرات مختلط (Mixed-Effects Models)
- 67. مدل های عامل تعاملی (Interaction Effects Models)
- 68. مدل های گشتاوری (Moment Models)
- 69. مدل های توزیع ترکیبی (Mixture Models)
- 70. مدل های شبکه های عصبی در Stan
- 71. استفاده از Stan برای یادگیری ماشین بیزی
- 72. تکنیک های پیشرفته نمونه برداری در Stan
- 73. مدل های بیزی پویا (Dynamic Bayesian Models)
- 74. استفاده از Stan برای داده های مکانی-زمانی
- 75. مدل های گرافیکی بیزی (Bayesian Graphical Models)
- 76. طراحی مدل های سفارشی پیچیده در Stan
- 77. استفاده از Stan برای حل مسائل بهینه سازی
- 78. مدل های استنتاج علی (Causal Inference) با Stan
- 79. تحلیل داده های پرسشنامه ای با Stan
- 80. مدل های طبقه بندی بیزی (Bayesian Classification)
- 81. مدل های رگرسیون بیزی (Bayesian Regression)
- 82. استفاده از Stan در مطالعات بالینی
- 83. مدل های سری زمانی چند متغیره در Stan
- 84. مدل های پیش بینی در Stan
- 85. روش های اعتبارسنجی متقاطع (Cross-validation) در Stan
- 86. استفاده از Stan برای اکتشاف داده (Data Exploration)
- 87. مدل های یادگیری عمیق بیزی (Bayesian Deep Learning)
- 88. نکات و ترفندهای پیشرفته در Stan
- 89. مدیریت حافظه و منابع در Stan
- 90. مقایسه Stan با سایر نرم افزارهای آماری
- 91. محدودیت ها و چالش های استفاده از Stan
- 92. آینده Stan و توسعه های آتی
- 93. کاربرد Stan در تحقیقات علمی
- 94. نکات مهم در نگارش کد Stan
- 95. اصول کدنویسی تمیز در Stan
- 96. مدل های بیزی برای داده های با ابعاد بالا
- 97. استفاده از Stan برای شبیه سازی (Simulation)
- 98. مدل های بیزی برای تحلیل شبکه ها
- 99. اصول استنتاج آماری بیزی
- 100. کاربرد Stan در تجزیه و تحلیل ریسک
محتویات بسته آموزشی
🌐 سامانه آنلاین فلشکارت؛ مرور هدفمند و هوشمند
اکانت ارائهشده، دسترسی به نسخه تحت وب سامانه فلشکارت ویژه این دوره را فراهم میکند. این سامانه از الگوریتم زمانبندی مرور SM-2 استفاده میکند و بر اساس ارزیابی شما از میزان یادآوری هر کارت، زمان مرورهای بعدی را تنظیم میکند.
به این ترتیب، کارتهای دشوارتر میتوانند زودتر مرور شوند و برای تثبیت مطالب در حافظه، برنامه مرور متناسبتری داشته باشید.
مدتزمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج میشود.
گواهی دوزبانه با استعلام آنلاین
پس از تکمیل فعالیتهای لازم و تأیید درخواست، گواهی پایان دوره به زبان فارسی و انگلیسی صادر میشود. گواهی دارای لینک اختصاصی و QR Code برای بررسی و استعلام آنلاین است.
این گواهی صرفاً بهعنوان گواهی اتمام دوره آموزشی صادر میشود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نیست. صدور آن منوط به تکمیل شرایط دوره و تأیید نهایی درخواست است.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.