فلش‌کارت‌های آموزشی استفاده از Stan برای تحلیل‌های پیشرفته

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استفاده از Stan برای تحلیل‌های پیشرفته

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر زبان برنامه‌نویسی Stan
• 2. نصب و راه‌اندازی Stan
• 3. آشنایی با ساختار مدل در Stan
• 4. انواع مدل‌های احتمالی در Stan
• 5. توزیع‌های احتمال استاندارد در Stan
• 6. توزیع‌های شرطی و پیشین در Stan
• 7. فرآیندهای گوسی و کاربرد آن‌ها
• 8. مدل‌سازی سری‌های زمانی با Stan
• 9. مدل‌های خطی تعمیم‌یافته (GLMs) در Stan
• 10. مدل‌های سلسله‌مراتبی در Stan
• 11. مقدمه‌ای بر زنجیره مارکوف مونت کارلو (MCMC)
• 12. الگوریتم‌های نمونه‌برداری در Stan (NUTS)
• 13. ارزیابی همگرایی مدل در Stan
• 14. تشخیص و رفع مشکلات همگرایی
• 15. اعتبارسنجی مدل در Stan
• 16. روش‌های اعتبارسنجی متقابل
• 17. شبیه‌سازی معکوس (Inverse Sampling)
• 18. استفاده از Stan برای مدل‌های رگرسیون
• 19. مدل‌سازی رگرسیون لجستیک با Stan
• 20. مدل‌سازی رگرسیون پواسون با Stan
• 21. مدل‌سازی رگرسیون گاما با Stan
• 22. مدل‌سازی رگرسیون بتا با Stan
• 23. مدل‌سازی رگرسیون چندگانه با Stan
• 24. مدل‌سازی رگرسیون نرمال چندمتغیره
• 25. انعطاف‌پذیری مدل‌های خطی تعمیم‌یافته
• 26. مدل‌سازی داده‌های شمارشی با Stan
• 27. مدل‌سازی داده‌های طبقه‌بندی با Stan
• 28. مدل‌سازی داده‌های بقا با Stan
• 29. مدل‌سازی داده‌های خوشه‌ای با Stan
• 30. مدل‌سازی داده‌های فضایی با Stan
• 31. مدل‌سازی داده‌های شبکه‌ای با Stan
• 32. مدل‌سازی داده‌های پانل با Stan
• 33. مدل‌سازی با استفاده از توابع احتمال سفارشی
• 34. ایجاد توابع احتمال سفارشی در Stan
• 35. بهینه‌سازی مدل‌های Stan
• 36. تکنیک‌های پیشرفته نمونه‌برداری
• 37. نمونه‌برداری از طریق گیتینگ (Gating)
• 38. نمونه‌برداری از طریق ریپارامترزیشن (Reparameterization)
• 39. استفاده از Stan برای مدل‌های بیزی سلسله‌مراتبی
• 40. مدل‌سازی سطوح مختلف در Stan
• 41. مدل‌سازی اثرات تصادفی در Stan
• 42. مدل‌سازی اثرات ثابت در Stan
• 43. ترکیب اثرات ثابت و تصادفی
• 44. مدل‌سازی مدل‌های چند سطحی پیچیده
• 45. کاربرد Stan در اقتصاد سنجی
• 46. مدل‌سازی سری‌های زمانی اقتصادی با Stan
• 47. مدل‌سازی داده‌های پنل اقتصادی با Stan
• 48. کاربرد Stan در آمار زیستی
• 49. مدل‌سازی داده‌های بالینی با Stan
• 50. مدل‌سازی داده‌های ژنتیکی با Stan
• 51. کاربرد Stan در علوم اجتماعی
• 52. مدل‌سازی داده‌های پیمایشی با Stan
• 53. مدل‌سازی داده‌های رفتاری با Stan
• 54. کاربرد Stan در علوم کامپیوتر
• 55. یادگیری ماشین بیزی با Stan
• 56. مدل‌سازی احتمالی برای شبکه‌های عصبی
• 57. کاربرد Stan در مهندسی
• 58. مدل‌سازی قابلیت اطمینان با Stan
• 59. مدل‌سازی سیستم‌های پیچیده با Stan
• 60. مدل‌سازی داده‌های بزرگ با Stan
• 61. مقدمه‌ای بر Stan Math Library
• 62. استفاده از توابع ریاضی پیشرفته در Stan
• 63. توسعه مدل‌های سفارشی با Stan Math Library
• 64. بهینه‌سازی عملکرد کدهای Stan
• 65. مدیریت حافظه در Stan
• 66. موازی‌سازی محاسبات در Stan
• 67. استفاده از GPU برای تسریع محاسبات Stan
• 68. مقدمه‌ای بر Stan-R Interface
• 69. انتقال داده بین R و Stan
• 70. پیاده‌سازی مدل‌ها در R با Stan
• 71. تجسم نتایج مدل‌های Stan در R
• 72. مقدمه‌ای بر Stan-Python Interface
• 73. انتقال داده بین Python و Stan
• 74. پیاده‌سازی مدل‌ها در Python با Stan
• 75. تجسم نتایج مدل‌های Stan در Python
• 76. کاربرد Stan در تحلیل داده‌های واقعی
• 77. مطالعه موردی: تحلیل داده‌های فروش
• 78. مطالعه موردی: تحلیل داده‌های سلامت
• 79. مطالعه موردی: تحلیل داده‌های محیط زیست
• 80. مطالعه موردی: تحلیل داده‌های مالی
• 81. مطالعه موردی: تحلیل داده‌های شبکه‌های اجتماعی
• 82. نکات و ترفندهای پیشرفته در Stan
• 83. اشتباهات رایج در مدل‌سازی با Stan
• 84. بهبود خوانایی و قابلیت نگهداری کد Stan
• 85. مستندسازی مدل‌های Stan
• 86. اشتراک‌گذاری مدل‌های Stan
• 87. انجمن‌ها و منابع حمایتی Stan
• 88. نگاهی به آینده Stan
• 89. توسعه‌های آتی در Stan
• 90. مقایسه Stan با سایر نرم‌افزارهای آماری بیزی
• 91. چالش‌های مدل‌سازی بیزی در عمل
• 92. اصول اخلاقی در گزارش‌دهی نتایج آماری
• 93. تفسیر نتایج مدل‌های بیزی با احتیاط
• 94. نتیجه‌گیری و جمع‌بندی مباحث