فلش‌کارت‌های آموزشی کاربرد عملی معیارهای ارزیابی در Stan

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربرد عملی معیارهای ارزیابی در Stan

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

موضوع میانی: ارزیابی خروجی Stan

📋 سرفصل‌های دوره

• 1. مقدمه ای بر معیارهای ارزیابی در Stan
• 2. مبانی مدل سازی آماری برای Stan
• 3. ساختار مدل در Stan: متغیرهای آزاد و پارامترها
• 4. تعریف داده ها و پیش‌پردازش برای Stan
• 5. نوشتن مدل های خطی پایه در Stan
• 6. مدل های رگرسیون لجستیک در Stan
• 7. مدل های سلسله مراتبی در Stan
• 8. مقدمه ای بر مدل های اثرات ثابت و تصادفی
• 9. پیاده سازی مدل های مخلوط خطی در Stan
• 10. مدل های اثرات مختلط در Stan: مثال های کاربردی
• 11. مدل های سری زمانی در Stan
• 12. مدل های خودرگرسیونی (ARIMA) در Stan
• 13. مدل های فضایی در Stan
• 14. مقدمه ای بر مدل های بقا (Survival Analysis)
• 15. مدل های کاپلان-مایر در Stan
• 16. مدل های کاکس تناسبی در Stan
• 17. مدل های داده های پانل در Stan
• 18. مدل های انتشار (Diffusion Models) در Stan
• 19. مدل های گرافیکی در Stan
• 20. مقدمه ای بر مدل های شبکه های عصبی در Stan
• 21. پیاده سازی شبکه های عصبی ساده در Stan
• 22. شبکه های عصبی کانولوشنال (CNN) در Stan
• 23. شبکه های عصبی بازگشتی (RNN) در Stan
• 24. کاربرد مدل های یادگیری عمیق در Stan
• 25. مقدمه ای بر روش های بیزی در Stan
• 26. قضیه بیز و استنتاج بیزی
• 27. توزیع های پیشین و پسین در Stan
• 28. انتخاب توزیع پیشین مناسب
• 29. روش های نمونه برداری در Stan: MCMC
• 30. الگوریتم مارکوف چین مونت کارلو (MCMC)
• 31. نمونه گیری گیبس (Gibbs Sampling)
• 32. نمونه گیری هاب (Hamiltonian Monte Carlo)
• 33. نمونه گیری متروپولیس-هستینگز (Metropolis-Hastings)
• 34. ارزیابی همگرایی در Stan
• 35. معیارهای ارزیابی همگرایی: R-hat
• 36. معیارهای ارزیابی همگرایی: Trace Plots
• 37. معیارهای ارزیابی همگرایی: Autocorrelation Plots
• 38. تشخیص و رفع مشکلات همگرایی
• 39. بهینه سازی مدل های Stan
• 40. تنظیم پارامترهای نمونه برداری
• 41. استفاده از شتاب دهنده های سخت افزاری در Stan
• 42. مقدمه ای بر اعتبارسنجی مدل
• 43. اعتبارسنجی متقابل (Cross-Validation)
• 44. اعتبارسنجی پیش‌بین (Predictive Validation)
• 45. معیارهای ارزیابی مدل: AIC و BIC
• 46. معیارهای ارزیابی مدل: DIC
• 47. معیارهای ارزیابی مدل: WAIC
• 48. انتخاب بهترین مدل با استفاده از معیارهای ارزیابی
• 49. کاربرد Stan در تحلیل داده های علوم زیستی
• 50. مدل سازی ژنتیکی در Stan
• 51. مدل سازی اپیدمیولوژیک در Stan
• 52. مدل سازی بالینی در Stan
• 53. کاربرد Stan در علوم اجتماعی
• 54. مدل سازی رفتار مصرف کننده در Stan
• 55. مدل سازی شبکه های اجتماعی در Stan
• 56. مدل سازی داده های پیمایشی در Stan
• 57. کاربرد Stan در اقتصاد و مالی
• 58. مدل سازی ریسک در Stan
• 59. مدل سازی پیش بینی بازار در Stan
• 60. مدل سازی داده های مالی سری زمانی در Stan
• 61. کاربرد Stan در مهندسی
• 62. مدل سازی قابلیت اطمینان در Stan
• 63. مدل سازی سیستم های پیچیده در Stan
• 64. مدل سازی داده های حسگر در Stan
• 65. کاربرد Stan در علوم محیطی
• 66. مدل سازی تغییرات اقلیمی در Stan
• 67. مدل سازی آلودگی هوا در Stan
• 68. مدل سازی تنوع زیستی در Stan
• 69. مقدمه ای بر بسط مدل های Stan
• 70. مدل های گوسی فرآیند (Gaussian Processes) در Stan
• 71. مدل های گسسته در Stan
• 72. مدل های پویایی سیستم در Stan
• 73. کاربرد Stan در تحلیل داده های حجیم
• 74. استراتژی های پردازش داده های حجیم در Stan
• 75. استفاده از Stan با ابزارهای کلان داده
• 76. مقدمه ای بر تجسم داده ها در Stan
• 77. تجسم نتایج مدل های بیزی در Stan
• 78. رسم نمودارهای توزیع پسین در Stan
• 79. رسم نمودارهای پیش بینی در Stan
• 80. کاربرد تجسم داده ها برای تفسیر مدل
• 81. مقدمه ای بر برنامه نویسی پیشرفته در Stan
• 82. توابع سفارشی در Stan
• 83. استفاده از حلقه ها و شرط ها در Stan
• 84. بهینه سازی کد Stan برای سرعت
• 85. مقدمه ای بر تفسیر نتایج مدل های پیچیده
• 86. تفسیر پارامترهای مدل های سلسله مراتبی
• 87. تفسیر اثرات اصلی و اثرات متقابل
• 88. تفسیر عدم قطعیت در پیش بینی ها
• 89. ارتباط نتایج مدل با سوالات تحقیق
• 90. مقدمه ای بر چالش ها و راه حل ها در Stan
• 91. مدیریت داده های پرت در Stan
• 92. مدیریت داده های گم شده در Stan
• 93. انتخاب بین مدل های پیچیده و ساده
• 94. نکات پیشرفته در نوشتن مدل های Stan
• 95. کاربرد Stan در تحقیقات علمی
• 96. مبانی گزارش دهی نتایج مدل های Stan
• 97. پروژه عملی: مدل سازی یک مسئله واقعی با Stan
• 98. مرور کلی و جمع بندی مباحث
• 99. آماده سازی برای تحلیل های پیشرفته تر با Stan
• 100. نکات پایانی و منابع برای مطالعه بیشتر