دوره مخاطرات و تنظیمات اساسی در Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مخاطرات و تنظیمات اساسی در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر زبان برنامه‌نویسی Stan
• 2. نصب و راه‌اندازی Stan
• 3. مروری بر مفاهیم احتمال و آمار
• 4. مفاهیم مدل‌سازی آماری
• 5. مقدمه‌ای بر استنتاج بیزی
• 6. تفاوت استنتاج بیزی و فراوانی‌گرا
• 7. مفاهیم مدل‌های سلسله مراتبی
• 8. کاربرد مدل‌های سلسله مراتبی در علوم
• 9. مبانی زبان Stan
• 10. ساختار کلی یک برنامه Stan
• 11. معرفی دستورات پایه در Stan
• 12. تعریف متغیرها در Stan
• 13. توابع آماری در Stan
• 14. توابع توزیع احتمال در Stan
• 15. نوشتن مدل‌های ساده در Stan
• 16. تابع احتمال (likelihood function)
• 17. تابع پیشین (prior function)
• 18. تابع پسین (posterior function)
• 19. روش‌های نمونه‌برداری در Stan (MCMC)
• 20. الگوریتم هامیلتونی مونت کارلو (HMC)
• 21. الگوریتم گرانولار هامیلتونی مونت کارلو (GHMC)
• 22. تنظیم پارامترهای HMC
• 23. ارزیابی کیفیت نمونه‌برداری
• 24. معیارهای همگرایی در MCMC
• 25. R-hat و اثرگذاری نمونه
• 26. نمودارهای ترجیحی (trace plots)
• 27. نمودارهای خودهمبستگی (autocorrelation plots)
• 28. انتخاب مدل‌های آماری
• 29. معیارهای اطلاعاتی (AIC, BIC)
• 30. معیار اطلاعاتی کریتریون بیزی (BIC)
• 31. اعتبارسنجی مدل (Model Validation)
• 32. تست‌های تشخیصی مدل
• 33. اعتبارسنجی متقابل (Cross-validation)
• 34. مدل‌های خطی ساده در Stan
• 35. رگرسیون خطی با Stan
• 36. پیش‌بینی با مدل‌های خطی
• 37. مدل‌های خطی تعمیم‌یافته (GLM)
• 38. رگرسیون لجستیک با Stan
• 39. رگرسیون پواسون با Stan
• 40. مدل‌های سلسله مراتبی خطی
• 41. مدل‌های اثرات مختلط (Mixed-effects models)
• 42. کاربرد مدل‌های مختلط در داده‌های طولی
• 43. مدل‌های سلسله مراتبی برای داده‌های طبقه‌بندی شده
• 44. مدل‌های سلسله مراتبی برای داده‌های شمارشی
• 45. مدل‌های سلسله مراتبی برای داده‌های پیوسته
• 46. مقدمه‌ای بر مدل‌های سری زمانی
• 47. مدل‌های ARIMA با Stan
• 48. مدل‌های حالت فضا (State-space models)
• 49. مدل‌های پیش‌بینی در Stan
• 50. تنظیمات پیشرفته در Stan
• 51. استفاده از ماتریکس‌ها و بردارها در Stan
• 52. عملیات جبر خطی در Stan
• 53. توابع پیشرفته آماری در Stan
• 54. توابع سفارشی در Stan
• 55. بهینه‌سازی کد Stan
• 56. کاهش زمان اجرای برنامه‌ها
• 57. استفاده از دستورات موازی
• 58. اشکال‌زدایی (Debugging) برنامه‌های Stan
• 59. مدیریت خطاها در Stan
• 60. استفاده از Stan با زبان‌های دیگر (R, Python)
• 61. اتصال Stan به R
• 62. اتصال Stan به Python
• 63. مثال‌های کاربردی در علوم اجتماعی
• 64. تحلیل داده‌های پیمایشی با Stan
• 65. مدل‌سازی رفتار مصرف‌کننده با Stan
• 66. تحلیل داده‌های آموزشی با Stan
• 67. مثال‌های کاربردی در علوم پزشکی
• 68. مدل‌سازی بقا با Stan
• 69. تحلیل کارآزمایی‌های بالینی با Stan
• 70. مدل‌سازی اپیدمیولوژیک با Stan
• 71. مثال‌های کاربردی در علوم اقتصادی
• 72. مدل‌سازی پیش‌بینی اقتصادی با Stan
• 73. تحلیل ریسک با Stan
• 74. مدل‌سازی بازارهای مالی با Stan
• 75. مثال‌های کاربردی در علوم محیطی
• 76. مدل‌سازی تغییرات اقلیمی با Stan
• 77. تحلیل داده‌های زیست‌محیطی با Stan
• 78. مدل‌سازی آلودگی هوا با Stan
• 79. مدل‌سازی آماری پیشرفته در Stan
• 80. مقدمه‌ای بر شبکه‌های بیزی (Bayesian Networks)
• 81. استفاده از شبکه‌های بیزی در Stan
• 82. مدل‌سازی ساختاری معادلات (SEM) با Stan
• 83. استنتاج بیزی برای مدل‌های SEM
• 84. مدل‌سازی دینامیک سیستم‌ها با Stan
• 85. مقدمه‌ای بر یادگیری ماشین بیزی
• 86. کاربرد یادگیری ماشین بیزی در Stan
• 87. روش‌های نمونه‌گیری پیشرفته
• 88. نمونه‌گیری با اهمیت (Importance Sampling)
• 89. نمونه‌گیری مارکوف چین (Markov Chain Sampling)
• 90. نکات تکمیلی و پیشرفته در Stan
• 91. نکات امنیتی در استفاده از Stan
• 92. نکات مربوط به مجوزهای نرم‌افزار
• 93. منابع بیشتر برای یادگیری Stan
• 94. چالش‌های رایج در مدل‌سازی بیزی
• 95. راهکارهای حل چالش‌های مدل‌سازی
• 96. مقدمه‌ای بر تفسیر نتایج پیچیده
• 97. ارائه و گزارش نتایج مدل‌سازی
• 98. اخلاق در مدل‌سازی آماری
• 99. آینده مدل‌سازی بیزی با Stan