فلش‌کارت‌های آموزشی استفاده از Stan for Advanced Data Analysis

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استفاده از Stan for Advanced Data Analysis

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی آماری در Stan
• 2. نصب و راه‌اندازی Stan
• 3. مبانی زبان Stan: ساختار و سینتکس
• 4. تعریف مدل‌های خطی ساده در Stan
• 5. تخمین پارامترها با استفاده از روش‌های بیزی
• 6. مقدمه‌ای بر توزیع‌های پیشین و پسین
• 7. انتخاب توزیع پیشین مناسب
• 8. مدل‌های رگرسیون لجستیک در Stan
• 9. مدل‌های رگرسیون پواسون در Stan
• 10. مدل‌های سلسله‌مراتبی (Hierarchical Models)
• 11. مزایای مدل‌های سلسله‌مراتبی
• 12. پیاده‌سازی مدل‌های سلسله‌مراتبی در Stan
• 13. مدل‌های اثرات مختلط (Mixed-Effects Models)
• 14. کاربرد مدل‌های اثرات مختلط
• 15. مدل‌سازی سری‌های زمانی در Stan
• 16. مدل‌های ARIMA در Stan
• 17. مدل‌های فضایی در Stan
• 18. مقدمه‌ای بر شبکه‌های عصبی در Stan
• 19. پیاده‌سازی شبکه‌های عصبی ساده در Stan
• 20. تکنیک‌های نمونه‌برداری پیشرفته در Stan: MCMC
• 21. الگوریتم‌های Metropolis-Hastings
• 22. الگوریتم Gibbs Sampling
• 23. الگوریتم Hamiltonian Monte Carlo (HMC)
• 24. الگوریتم No-U-Turn Sampler (NUTS)
• 25. ارزیابی کیفیت نمونه‌گیری: R-hat و Trace Plots
• 26. تشخیص همگرایی در مدل‌های بیزی
• 27. اعتبارسنجی مدل با استفاده از داده‌های شبیه‌سازی شده
• 28. اعتبارسنجی مدل با استفاده از اعتبارسنجی متقاطع (Cross-Validation)
• 29. مدل‌سازی داده‌های گسسته در Stan
• 30. مدل‌سازی داده‌های پیوسته در Stan
• 31. مدل‌سازی داده‌های شمارشی در Stan
• 32. مدل‌سازی داده‌های دودویی در Stan
• 33. مدل‌سازی داده‌های ترتیبی در Stan
• 34. کاربرد Stan در حوزه‌های مختلف علوم
• 35. کاربرد Stan در اقتصاد
• 36. کاربرد Stan در زیست‌شناسی
• 37. کاربرد Stan در علوم اجتماعی
• 38. کاربرد Stan در مهندسی
• 39. کاربرد Stan در علوم پزشکی
• 40. کاربرد Stan در علوم داده
• 41. کاربرد Stan در تحلیل ریسک
• 42. کاربرد Stan در پیش‌بینی
• 43. بهینه‌سازی مدل‌ها در Stan
• 44. استفاده از Stan با زبان R
• 45. استفاده از Stan با زبان Python
• 46. استفاده از Stan با زبان Julia
• 47. مدیریت داده‌ها برای Stan
• 48. پیش‌پردازش داده‌ها
• 49. تجسم داده‌ها
• 50. تفسیر نتایج مدل‌های بیزی
• 51. نکات پیشرفته در مدل‌سازی بیزی
• 52. مدل‌سازی عدم قطعیت
• 53. حساسیت‌سنجی پارامترها
• 54. ترکیب مدل‌ها
• 55. مدل‌سازی داده‌های گمشده (Missing Data)
• 56. استفاده از Stan برای مدل‌های گرافیکی
• 57. مدل‌سازی شبکه‌های پیچیده
• 58. مدل‌سازی پدیده‌های پویا
• 59. مدل‌سازی تصمیم‌گیری
• 60. مدل‌سازی رفتار مصرف‌کننده
• 61. مدل‌سازی بازار
• 62. مدل‌سازی ریسک اعتباری
• 63. مدل‌سازی ریسک عملیاتی
• 64. مدل‌سازی ریسک سرمایه‌گذاری
• 65. مدل‌سازی ریسک نقدینگی
• 66. مدل‌سازی ریسک بازار
• 67. مدل‌سازی ریسک اعتباری در بخش بانکی
• 68. مدل‌سازی ریسک اعتباری در بخش بیمه
• 69. مدل‌سازی ریسک اعتباری در بخش شرکت‌ها
• 70. مدل‌سازی ریسک اعتباری در بخش خانوار
• 71. مدل‌سازی ریسک اعتباری با استفاده از داده‌های کلان
• 72. مدل‌سازی ریسک اعتباری با استفاده از یادگیری ماشین
• 73. مدل‌سازی ریسک عملیاتی با استفاده از داده‌های حوادث
• 74. مدل‌سازی ریسک عملیاتی با استفاده از تحلیل علّی
• 75. مدل‌سازی ریسک سرمایه‌گذاری با استفاده از مدل‌های پرتفوی
• 76. مدل‌سازی ریسک سرمایه‌گذاری با استفاده از تحلیل سناریو
• 77. مدل‌سازی ریسک نقدینگی با استفاده از شبیه‌سازی
• 78. مدل‌سازی ریسک نقدینگی با استفاده از نسبت‌های مالی
• 79. مدل‌سازی ریسک بازار با استفاده از مدل‌های VaR
• 80. مدل‌سازی ریسک بازار با استفاده از مدل‌های ES
• 81. مدل‌سازی پدیده‌های اقتصادی پیچیده
• 82. مدل‌سازی تأثیر سیاست‌های اقتصادی
• 83. مدل‌سازی رشد اقتصادی
• 84. مدل‌سازی تورم
• 85. مدل‌سازی بیکاری
• 86. مدل‌سازی فقر
• 87. مدل‌سازی نابرابری درآمدی
• 88. مدل‌سازی اثرات تغییرات اقلیمی بر اقتصاد
• 89. مدل‌سازی تأمین مالی پایدار
• 90. مدل‌سازی سرمایه‌گذاری اخلاقی
• 91. مدل‌سازی مسئولیت اجتماعی شرکت‌ها
• 92. مدل‌سازی حاکمیت شرکتی
• 93. مدل‌سازی نوآوری در سازمان‌ها
• 94. مدل‌سازی تحول دیجیتال در سازمان‌ها
• 95. مدل‌سازی تاب‌آوری سازمانی
• 96. مدل‌سازی مدیریت بحران
• 97. مدل‌سازی تاب‌آوری مالی
• 98. مدل‌سازی تاب‌آوری عملیاتی
• 99. مدل‌سازی تاب‌آوری زنجیره تأمین
• 100. مدل‌سازی تاب‌آوری سایبری