دوره استفاده از Stan برای تحلیل داده‌های پیچیده همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استفاده از Stan برای تحلیل داده‌های پیچیده

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی آماری با Stan
• 2. نصب و راه‌اندازی Stan و ابزارهای مرتبط
• 3. مبانی احتمالات و آمار برای مدل‌سازی
• 4. مفاهیم کلیدی در مدل‌های بیزی
• 5. ساختار مدل‌های بیزی در Stan
• 6. توابع چگالی احتمال و توابع درست‌نمایی
• 7. تعریف پیشین‌ها و توزیع‌های پیشین
• 8. فرآیند نمونه‌گیری مارکوف زنجیره‌ای (MCMC)
• 9. الگوریتم متروپلیس-هستینگز
• 10. الگوریتم گیبس
• 11. مبانی نمونه‌گیری از طریق زنجیره مونت کارلو با تبدیل (NUTS)
• 12. مقدمه‌ای بر زبان برنامه‌نویسی Stan
• 13. ساختار بلوک‌های مدل در Stan (parameters, model, generated quantities)
• 14. تعریف متغیرهای پارامتر و محدودیت‌های آن‌ها
• 15. نوشتن بلوک model برای تعریف توزیع‌های پیشین و درست‌نما
• 16. استفاده از بلوک generated quantities برای محاسبات پسین
• 17. مثال‌های ساده مدل‌سازی خطی در Stan
• 18. مدل رگرسیون خطی بیزی
• 19. تفسیر نتایج مدل‌های بیزی
• 20. ارزیابی همگرایی الگوریتم‌های MCMC
• 21. معیارهای ارزیابی همگرایی (R-hat, ESS)
• 22. استفاده از ترسیم‌های تشخیصی (trace plots, density plots)
• 23. مدل‌سازی رگرسیون لجستیک بیزی
• 24. مدل‌سازی رگرسیون پواسون بیزی
• 25. مدل‌سازی رگرسیون منفی دوجمله‌ای بیزی
• 26. مقدمه‌ای بر مدل‌های سلسله مراتبی
• 27. مزایای مدل‌های سلسله مراتبی
• 28. ساختار مدل‌های سلسله مراتبی در Stan
• 29. مدل‌سازی سلسله مراتبی برای رگرسیون خطی
• 30. مدل‌سازی سلسله مراتبی برای رگرسیون لجستیک
• 31. مدل‌سازی اثرات تصادفی (Random Effects)
• 32. مدل‌سازی اثرات ثابت (Fixed Effects)
• 33. مدل‌سازی اثرات مختلط (Mixed Effects)
• 34. مدل‌سازی سری زمانی با Stan
• 35. مدل‌های ARIMA بیزی
• 36. مدل‌های حالت فضا (State-Space Models)
• 37. مدل‌سازی خودرگرسیون (AR)
• 38. مدل‌سازی میانگین متحرک (MA)
• 39. مدل‌سازی خودرگرسیون میانگین متحرک (ARMA)
• 40. مدل‌سازی خودرگرسیون میانگین متحرک یکپارچه (ARIMA)
• 41. مدل‌سازی سری زمانی با استفاده از Stan
• 42. مدل‌سازی حالت فضا با Stan
• 43. مدل‌سازی پیش‌بینی در سری زمانی
• 44. مدل‌سازی داده‌های مکانی با Stan
• 45. مبانی آمار مکانی
• 46. مدل‌های رگرسیون مکانی
• 47. مدل‌سازی نقاط داده مکانی
• 48. مدل‌سازی نواحی مکانی
• 49. مدل‌سازی خودهمبستگی مکانی
• 50. مدل‌سازی داده‌های شبکه‌ای با Stan
• 51. مبانی تحلیل شبکه‌های اجتماعی
• 52. مدل‌سازی روابط در شبکه‌ها
• 53. مدل‌سازی وابستگی در شبکه‌ها
• 54. مدل‌سازی شبکه‌های پیچیده
• 55. مدل‌سازی داده‌های بقا (Survival Data)
• 56. مبانی تحلیل بقا
• 57. منحنی کاپلان-مایر
• 58. مدل‌های کاکس (Cox Proportional Hazards)
• 59. مدل‌های بقای پارامتری
• 60. مدل‌سازی بقا با Stan
• 61. مدل‌سازی داده‌های طبقه‌بندی (Categorical Data)
• 62. مدل‌های لاگ-خطی (Log-Linear Models)
• 63. مدل‌های گرافیکی (Graphical Models)
• 64. مدل‌سازی روابط بین متغیرهای طبقه‌بندی
• 65. مدل‌سازی داده‌های پویا (Dynamic Data)
• 66. مدل‌های مارکوف پنهان (Hidden Markov Models)
• 67. مدل‌سازی فرآیندهای تصادفی
• 68. مدل‌سازی تغییرات در طول زمان
• 69. مدل‌سازی داده‌های پانل (Panel Data)
• 70. مدل‌های اثرات ثابت برای داده‌های پانل
• 71. مدل‌های اثرات تصادفی برای داده‌های پانل
• 72. مدل‌سازی داده‌های پانل پویا
• 73. مدل‌سازی داده‌های چندسطحی (Multilevel Data)
• 74. همانند مدل‌های سلسله مراتبی
• 75. مدل‌سازی داده‌های خوشه‌ای (Clustered Data)
• 76. مدل‌سازی داده‌های با ساختار پیچیده
• 77. بهینه‌سازی مدل‌ها در Stan
• 78. جستجو و بهینه‌سازی پارامترها
• 79. تکنیک‌های پیشرفته در Stan
• 80. استفاده از Stan برای مدل‌های پیشرفته
• 81. مدل‌سازی معادلات ساختاری با Stan
• 82. مدل‌سازی عوامل پنهان (Latent Variables)
• 83. مدل‌سازی تعاملات پیچیده
• 84. مدل‌سازی پیش‌بینی‌های پیچیده
• 85. اعتبارسنجی مدل‌ها
• 86. مقایسه مدل‌ها
• 87. تفسیر پیشرفته نتایج مدل‌سازی بیزی
• 88. ارتباط با نرم‌افزارهای آماری دیگر
• 89. کاربرد Stan در تحقیقات علمی
• 90. کاربرد Stan در علوم پزشکی
• 91. کاربرد Stan در علوم اجتماعی
• 92. کاربرد Stan در مهندسی
• 93. کاربرد Stan در اقتصاد
• 94. کاربرد Stan در داده‌کاوی
• 95. کاربرد Stan در یادگیری ماشین
• 96. ملاحظات اخلاقی در تحلیل داده‌ها
• 97. حفظ حریم خصوصی داده‌ها
• 98. شفافیت در مدل‌سازی
• 99. تفسیر صحیح نتایج آماری
• 100. پرهیز از سوءتفسیر نتایج