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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیمات پیشرفته برای نمونه‌گیری 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 نمونه‌گیری بیزی
• 2. مبانی احتمالات و توزیع‌های آماری
• 3. مفاهیم پایه در نمونه‌گیری
• 4. معرفی نرم‌افزار Stan و معماری آن
• 5. نصب و راه‌اندازی Stan
• 6. زبان مدل‌سازی Stan (Stan Modeling Language)
• 7. نوشتن مدل‌های ساده در Stan
• 8. انواع توزیع‌ها در Stan
• 9. تابع درست‌نمایی (Likelihood Function)
• 10. تابع پیشین (Prior Function)
• 11. اعمال محدودیت‌ها در مدل‌های Stan
• 12. نمونه‌گیری از توزیع‌های پیچیده
• 13. الگوریتم‌های نمونه‌گیری در Stan (NUTS)
• 14. تنظیمات پارامترهای نمونه‌گیری
• 15. تشخیص همگرایی نمونه‌ها
• 16. نمودارهای تشخیصی و معیارها
• 17. استفاده از داده‌های شبیه‌سازی شده
• 18. ارزیابی دقت مدل
• 19. مدل‌های خطی در Stan
• 20. مدل‌های رگرسیون خطی بیزی
• 21. مدل‌های خطی تعمیم‌یافته (GLM) در Stan
• 22. مدل‌های لجستیک بیزی
• 23. مدل‌های پواسون بیزی
• 24. مدل‌های چندسطحی (Hierarchical Models)
• 25. مدل‌های اثرات مختلط
• 26. کاربرد مدل‌های چندسطحی در تحقیقات
• 27. پیاده‌سازی مدل‌های چندسطحی در Stan
• 28. مدل‌های سری زمانی در Stan
• 29. مدل‌های ARIMA بیزی
• 30. مدل‌های اتورگرسیو شرطی ناهمسانی واریانس (GARCH)
• 31. مدل‌های فضایی در Stan
• 32. مفاهیم پایه در مدل‌سازی فضایی
• 33. کاربرد مدل‌های فضایی در علوم
• 34. پیاده‌سازی مدل‌های فضایی در Stan
• 35. مدل‌های بقا (Survival Analysis) در Stan
• 36. مدل‌های کاکس بیزی
• 37. مدل‌های پارامتریک بقا
• 38. مدل‌های پیش‌بینی در Stan
• 39. اعتبارسنجی مدل‌های پیش‌بینی
• 40. ارزیابی عملکرد پیش‌بینی
• 41. مدل‌های پنهان مارکوف (Hidden Markov Models)
• 42. کاربرد HMM در تحلیل داده‌ها
• 43. پیاده‌سازی HMM در Stan
• 44. مدل‌سازی شبکه‌های اجتماعی در Stan
• 45. مفاهیم پایه در مدل‌سازی شبکه‌های اجتماعی
• 46. کاربرد مدل‌سازی شبکه‌های اجتماعی
• 47. مدل‌سازی داده‌های طبقه‌بندی شده در Stan
• 48. مدل‌های چندجمله‌ای بیزی
• 49. مدل‌های ترتیبی بیزی
• 50. بهینه‌سازی مدل‌های Stan
• 51. تکنیک‌های تسریع نمونه‌گیری
• 52. استفاده از GPU در Stan
• 53. مدیریت حافظه در مدل‌های بزرگ
• 54. اشکال‌زدایی مدل‌های Stan
• 55. خطاهای رایج در مدل‌سازی Stan
• 56. روش‌های رفع خطا
• 57. مقدمه‌ای بر مدل‌سازی علّی در Stan
• 58. انواع استنتاج علّی
• 59. کاربرد مدل‌سازی علّی در تحقیقات
• 60. روش‌های پیشرفته نمونه‌گیری
• 61. نمونه‌گیری اهمیت (Importance Sampling)
• 62. نمونه‌گیری مونت کارلو مارکوف (MCMC)
• 63. مقدمه‌ای بر نظریه اطلاعات و مدل‌سازی
• 64. معیارهای انتخاب مدل (AIC, BIC)
• 65. معیارهای بیزی (DIC, WAIC)
• 66. انطباق مدل با داده‌ها
• 67. تشخیص مشکلات مدل‌سازی
• 68. ارزیابی استحکام مدل
• 69. کاربرد Stan در علوم زیستی
• 70. کاربرد Stan در علوم اجتماعی
• 71. کاربرد Stan در مهندسی
• 72. کاربرد Stan در اقتصاد
• 73. مدل‌سازی داده‌های گمشده در Stan
• 74. روش‌های imputation بیزی
• 75. انطباق مدل با داده‌های گمشده
• 76. مقدمه‌ای بر مدل‌سازی بیزی پیشرفته
• 77. مدل‌های بیزی غیرپارامتریک
• 78. مدل‌های بیزی پویا
• 79. مدل‌سازی داده‌های زمانی-مکانی در Stan
• 80. کاربرد مدل‌سازی زمانی-مکانی
• 81. پیاده‌سازی مدل‌های زمانی-مکانی
• 82. مدل‌سازی داده‌های پرسشنامه‌ای در Stan
• 83. مدل‌های مقیاس‌بندی بیزی
• 84. تحلیل عاملی بیزی
• 85. مدل‌سازی داده‌های پزشکی در Stan
• 86. کاربرد در تشخیص و پیش‌بینی بیماری
• 87. تحلیل داده‌های کارآزمایی بالینی
• 88. مدل‌سازی داده‌های مالی در Stan
• 89. تحلیل ریسک بیزی
• 90. پیش‌بینی بازارهای مالی
• 91. مدل‌سازی داده‌های محیط زیستی در Stan
• 92. پیش‌بینی آلودگی هوا
• 93. مدل‌سازی تغییرات اقلیمی
• 94. مدل‌سازی داده‌های آموزشی در Stan
• 95. ارزیابی اثربخشی روش‌های تدریس
• 96. تحلیل عملکرد تحصیلی دانشجویان
• 97. مقدمه‌ای بر بهینه‌سازی در Stan
• 98. بهینه‌سازی توابع هدف
• 99. کاربرد بهینه‌سازی در علوم
• 100. جمع‌بندی و مسیرهای آینده در مدل‌سازی Stan