فلش‌کارت‌های آموزشی تنظیمات پیشرفته برای مدل‌سازی‌های پیچیده در Stan

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیمات پیشرفته برای مدل‌سازی‌های پیچیده 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 بیزی
• 2. مبانی زبان برنامه‌نویسی R برای تحلیل داده
• 3. آشنایی با کتابخانه Stan و سینتکس آن
• 4. نصب و راه‌اندازی Stan در محیط R
• 5. مفاهیم پایه مدل‌سازی بیزی: احتمال، توزیع‌ها
• 6. تابع درستنمایی و توزیع پیشین
• 7. توزیع پسین و قضیه بیز
• 8. روش‌های نمونه‌گیری مارکوف زنجیره‌ای مونت کارلو (MCMC)
• 9. الگوریتم گیبس سمپلینگ
• 10. الگوریتم متروپلیس-هستینگز
• 11. ارزیابی همگرایی زنجیره‌های MCMC
• 12. معیارهای تشخیص همگرایی (Gelman-Rubin, R-hat)
• 13. نمایش و تفسیر نتایج MCMC
• 14. انتخاب توزیع پیشین مناسب
• 15. توزیع‌های پیشین غیراطلاعاتی و اطلاعاتی
• 16. حساسیت مدل به انتخاب توزیع پیشین
• 17. مدل‌های خطی در Stan
• 18. مدل رگرسیون خطی بیزی
• 19. تشخیص و رفع مشکلات مدل خطی
• 20. مدل‌های رگرسیون لجستیک بیزی
• 21. مدل‌های رگرسیون پواسون بیزی
• 22. مدل‌های سری زمانی در Stan
• 23. مدل‌های ARIMA بیزی
• 24. مدل‌های اتورگرسیو شرطی ناهمسانی (ARCH/GARCH) بیزی
• 25. مدل‌های حالت‌گذر در Stan
• 26. مدل‌های سلسله‌مراتبی (Hierarchical Models)
• 27. مقدمه‌ای بر مدل‌های سلسله‌مراتبی
• 28. مدل‌های اثرات تصادفی (Random Effects)
• 29. مدل‌های اثرات مختلط (Mixed Effects)
• 30. مدل‌های سلسله‌مراتبی چندسطحی
• 31. کاربرد مدل‌های سلسله‌مراتبی در حوزه‌های مختلف
• 32. مدل‌سازی داده‌های مکانی در Stan
• 33. مقدمه‌ای بر مدل‌های مکانی
• 34. مدل‌های خودهمبستگی مکانی
• 35. مدل‌های رگرسیون مکانی
• 36. کاربرد مدل‌های مکانی در تحلیل داده‌های جغرافیایی
• 37. مدل‌سازی داده‌های شبکه‌ای در Stan
• 38. مقدمه‌ای بر مدل‌های شبکه‌ای
• 39. مدل‌های وابستگی در شبکه‌ها
• 40. مدل‌های انتشار در شبکه‌ها
• 41. کاربرد مدل‌های شبکه‌ای در تحلیل شبکه‌های اجتماعی
• 42. مدل‌سازی داده‌های بقا (Survival Analysis) در Stan
• 43. مقدمه‌ای بر مدل‌های بقا
• 44. مدل کاکس (Cox Proportional Hazards) بیزی
• 45. مدل‌های پارامتریک بقا
• 46. کاربرد مدل‌های بقا در پزشکی و مهندسی
• 47. مدل‌سازی داده‌های خوشه‌ای (Clustering) در Stan
• 48. مقدمه‌ای بر مدل‌های خوشه‌بندی
• 49. مدل‌های خوشه‌بندی بیزی
• 50. کاربرد مدل‌های خوشه‌بندی در بازاریابی و جامعه‌شناسی
• 51. مدل‌سازی داده‌های ترتیبی (Ordinal Data) در Stan
• 52. مدل‌های رگرسیون ترتیبی بیزی
• 53. مدل‌سازی داده‌های چندگانه (Multivariate Data) در Stan
• 54. مدل‌های توزیع چندمتغیره نرمال
• 55. مدل‌سازی همبستگی بین متغیرها
• 56. پیش‌بینی در مدل‌های بیزی
• 57. ارزیابی مدل‌های بیزی (DIC, WAIC)
• 58. تحلیل حساسیت مدل
• 59. اعتبارسنجی متقابل (Cross-validation)
• 60. مقدمه‌ای بر مدل‌سازی پیشرفته در Stan
• 61. استفاده از Stan برای مدل‌های پیچیده
• 62. بهینه‌سازی کد Stan
• 63. تکنیک‌های پیشرفته نمونه‌گیری MCMC
• 64. کاربرد Stan در یادگیری ماشین
• 65. مدل‌سازی داده‌های گمشده (Missing Data) در Stan
• 66. مدل‌های مبتنی بر معادله ساختاری (SEM) در Stan
• 67. مدل‌سازی پیش‌بینی‌کننده شرطی (Conditional Predictive Modeling)
• 68. مدل‌سازی دینامیک سیستم‌ها با Stan
• 69. مدل‌سازی اقتصاد سنجی بیزی با Stan
• 70. مدل‌سازی داده‌های علوم اعصاب با Stan
• 71. مدل‌سازی داده‌های زیست‌شناسی محاسباتی با Stan
• 72. مدل‌سازی داده‌های علوم اجتماعی با Stan
• 73. مدل‌سازی داده‌های مهندسی با Stan
• 74. مدل‌سازی داده‌های مالی با Stan
• 75. مدل‌سازی داده‌های روان‌شناسی با Stan
• 76. مدل‌سازی داده‌های محیط زیست با Stan
• 77. مدل‌سازی داده‌های آموزشی با Stan
• 78. مدل‌سازی داده‌های پزشکی با Stan
• 79. مدل‌سازی داده‌های مدیریت با Stan
• 80. مدل‌سازی داده‌های علوم سیاسی با Stan
• 81. مدل‌سازی داده‌های زبان‌شناسی با Stan
• 82. مدل‌سازی داده‌های اخترفیزیک با Stan
• 83. مدل‌سازی داده‌های زمین‌شناسی با Stan
• 84. مدل‌سازی داده‌های هواشناسی با Stan
• 85. کاربرد Stan در تحلیل داده‌های بزرگ
• 86. تکنیک‌های موازی‌سازی در Stan
• 87. توسعه مدل‌های سفارشی در Stan
• 88. اشکال‌زدایی مدل‌های پیچیده Stan
• 89. مباحث ویژه در مدل‌سازی بیزی
• 90. بررسی مقالات علمی مرتبط با Stan
• 91. کارگاه عملی مدل‌سازی با Stan
• 92. پروژه نهایی در مدل‌سازی پیشرفته