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. مقدمه‌ای بر Stan و نصب آن
• 2. آشنایی با محیط Stan
• 3. ساختار کلی برنامه‌های Stan
• 4. تعریف مدل‌های خطی در Stan
• 5. مدل‌های رگرسیون خطی ساده
• 6. مدل‌های رگرسیون خطی چندگانه
• 7. مدل‌های رگرسیون خطی تعمیم‌یافته (GLMs)
• 8. مدل‌های لجستیک در Stan
• 9. مدل‌های پواسون در Stan
• 10. مدل‌های رگرسیون کوواریانس (Cox)
• 11. مدل‌های سلسله مراتبی در Stan
• 12. مقدمه‌ای بر مدل‌های سلسله مراتبی
• 13. مدل‌های اثرات تصادفی (Random Effects)
• 14. مدل‌های اثرات ثابت (Fixed Effects)
• 15. مدل‌های اثرات مختلط (Mixed Effects)
• 16. کاربرد مدل‌های سلسله مراتبی در علوم اجتماعی
• 17. کاربرد مدل‌های سلسله مراتبی در پزشکی
• 18. کاربرد مدل‌های سلسله مراتبی در اقتصاد
• 19. مدل‌های بیزی در Stan
• 20. مقدمه‌ای بر استنتاج بیزی
• 21. قضیه بیز و کاربرد آن
• 22. توزیع پیشین (Prior Distributions)
• 23. توزیع پسین (Posterior Distributions)
• 24. روش‌های نمونه‌گیری مارکوف زنجیره‌ای مونت کارلو (MCMC)
• 25. الگوریتم گیبس (Gibbs Sampling)
• 26. الگوریتم هَملتونی مونت کارلو (HMC)
• 27. الگوریتم نمونه‌بردار پیشرفته (NUTS)
• 28. ارزیابی همگرایی مدل‌های بیزی
• 29. تشخیص و رفع مشکلات همگرایی
• 30. معیارهای ارزیابی همگرایی (R-hat, ESS)
• 31. اعتبارسنجی مدل‌های بیزی
• 32. پیش‌بینی با مدل‌های بیزی
• 33. تفسیر نتایج مدل‌های بیزی
• 34. مدل‌سازی سری‌های زمانی در Stan
• 35. مقدمه‌ای بر سری‌های زمانی
• 36. مدل‌های ARIMA در Stan
• 37. مدل‌های اتورگرسیو شرطی ناهمسانی واریانس (ARCH/GARCH)
• 38. مدل‌های حالت فضا (State-Space Models)
• 39. مدل‌های پویایی خطی (Linear Dynamical Systems)
• 40. مدل‌های پویایی غیرخطی
• 41. کاربرد سری‌های زمانی در اقتصاد
• 42. کاربرد سری‌های زمانی در علوم محیطی
• 43. مدل‌سازی داده‌های فضایی در Stan
• 44. مقدمه‌ای بر داده‌های فضایی
• 45. مدل‌های رگرسیون فضایی
• 46. مدل‌های خودهمبستگی فضایی
• 47. مدل‌های ناهمگنی فضایی
• 48. کاربرد داده‌های فضایی در جغرافیا
• 49. کاربرد داده‌های فضایی در بهداشت عمومی
• 50. مدل‌سازی شبکه‌ها در Stan
• 51. مقدمه‌ای بر تحلیل شبکه‌ها
• 52. مدل‌های مبتنی بر گراف
• 53. مدل‌های پویایی شبکه‌ها
• 54. کاربرد تحلیل شبکه‌ها در جامعه‌شناسی
• 55. کاربرد تحلیل شبکه‌ها در زیست‌شناسی
• 56. مدل‌سازی داده‌های بقا در Stan
• 57. مقدمه‌ای بر داده‌های بقا
• 58. مدل کاکس (Cox Proportional Hazards Model)
• 59. مدل‌های پارامتری بقا
• 60. مدل‌های بقا با اثرات تصادفی
• 61. کاربرد داده‌های بقا در پزشکی
• 62. کاربرد داده‌های بقا در مهندسی
• 63. مدل‌سازی داده‌های رویداد در Stan
• 64. مقدمه‌ای بر داده‌های رویداد
• 65. مدل‌های رگرسیون پواسون برای شمارش رویداد
• 66. مدل‌های دوجمله‌ای منفی برای شمارش رویداد
• 67. مدل‌های ناهمگنی واریانس در داده‌های شمارشی
• 68. کاربرد داده‌های رویداد در بازاریابی
• 69. کاربرد داده‌های رویداد در بیمه
• 70. بهینه‌سازی مدل‌ها در Stan
• 71. مقدمه‌ای بر بهینه‌سازی
• 72. روش‌های بهینه‌سازی عددی
• 73. بهینه‌سازی با استفاده از مشتقات
• 74. بهینه‌سازی بدون مشتقات
• 75. بهینه‌سازی پارامترهای مدل
• 76. بهینه‌سازی برای انتخاب مدل
• 77. تجزیه و تحلیل حساسیت و عدم قطعیت
• 78. مقدمه‌ای بر تجزیه و تحلیل حساسیت
• 79. روش‌های تجزیه و تحلیل حساسیت
• 80. تجزیه و تحلیل عدم قطعیت
• 81. تکنیک‌های اعتبارسنجی متقابل
• 82. اعتبارسنجی مدل‌های پیچیده
• 83. کاربرد تجزیه و تحلیل حساسیت در مهندسی
• 84. کاربرد تجزیه و تحلیل عدم قطعیت در مالی
• 85. پیش‌پردازش و پاکسازی داده‌ها برای Stan
• 86. مقدمه‌ای بر پیش‌پردازش داده‌ها
• 87. شناسایی و مدیریت مقادیر گمشده
• 88. شناسایی و مدیریت داده‌های پرت
• 89. تبدیلات داده‌ها (لگاریتم، توان)
• 90. استانداردسازی و نرمال‌سازی داده‌ها
• 91. انتخاب ویژگی‌های مناسب
• 92. مدیریت داده‌های حجیم
• 93. ساخت مدل‌های سفارشی در Stan
• 94. مقدمه‌ای بر زبان Stan
• 95. توابع و ساختارهای کنترلی در Stan
• 96. تعریف متغیرهای تصادفی دلخواه
• 97. تعریف توابع احتمال سفارشی
• 98. ساخت مدل‌های پیچیده با استفاده از توابع سفارشی
• 99. اشکال‌زدایی و تست مدل‌های سفارشی
• 100. به اشتراک‌گذاری مدل‌های Stan