اپلیکیشن اندرویدی فلش‌کارت آموزشی تنظیمات پیشرفته for Modeling in Stan

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیمات پیشرفته for Modeling in Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی آماری در ایران
• 2. مبانی احتمال و آمار برای مدل‌سازی
• 3. توزیع‌های احتمال رایج در مدل‌سازی
• 4. مفاهیم پایه‌ای مدل‌سازی بیزی
• 5. معرفی نرم‌افزار Stan
• 6. نصب و راه‌اندازی Stan
• 7. مبانی زبان Stan (Stan Language)
• 8. ساختار کلی برنامه‌های Stan
• 9. تعریف مدل‌های خطی در Stan
• 10. مدل‌های رگرسیون خطی بیزی
• 11. مدل‌های خطی تعمیم‌یافته (GLMs) در Stan
• 12. مدل‌سازی رگرسیون لجستیک در Stan
• 13. مدل‌سازی رگرسیون پواسون در Stan
• 14. مدل‌سازی رگرسیون کوپولا در Stan
• 15. مدل‌سازی سلسله‌مراتبی (Hierarchical Modeling)
• 16. مزایای مدل‌سازی سلسله‌مراتبی
• 17. پیاده‌سازی مدل‌های سلسله‌مراتبی در Stan
• 18. مدل‌های اثرات مختلط (Mixed Effects Models)
• 19. مدل‌سازی اثرات ثابت و تصادفی
• 20. کاربرد مدل‌های اثرات مختلط در علوم اجتماعی
• 21. مدل‌سازی سری‌های زمانی در Stan
• 22. مدل‌های ARIMA در Stan
• 23. مدل‌های حالت فضا (State-Space Models)
• 24. مدل‌سازی مدل‌های مارکوف زنجیره‌ای پنهان (HMM)
• 25. مدل‌سازی داده‌های مکانی (Spatial Modeling)
• 26. مدل‌های رگرسیون مکانی در Stan
• 27. مدل‌سازی داده‌های خوشه‌ای (Clustering)
• 28. الگوریتم‌های خوشه‌بندی در Stan
• 29. مدل‌سازی شبکه‌های اجتماعی در Stan
• 30. مدل‌سازی معادلات ساختاری (SEM) در Stan
• 31. روش‌های نمونه‌گیری در مدل‌سازی بیزی
• 32. روش‌های MCMC (Markov Chain Monte Carlo)
• 33. الگوریتم Gibbs Sampling
• 34. الگوریتم Metropolis-Hastings
• 35. کاربرد الگوریتم‌های MCMC در Stan
• 36. تشخیص همگرایی زنجیره‌ها
• 37. معیارهای همگرایی (R-hat, ESS)
• 38. تنظیمات پیشرفته الگوریتم‌های MCMC
• 39. مدیریت پارامترهای مدل
• 40. بهینه‌سازی کد Stan
• 41. استفاده از دستورات پیشرفته Stan
• 42. توابع سفارشی در Stan
• 43. ماژول‌ها و کتابخانه‌های Stan
• 44. مدل‌سازی داده‌های گمشده (Missing Data)
• 45. روش‌های imputation در Stan
• 46. مدل‌سازی داده‌های پرت (Outliers)
• 47. روش‌های تشخیص و مدیریت داده‌های پرت
• 48. مدل‌سازی معادلات پیش‌بینی‌کننده (Predictive Modeling)
• 49. ارزیابی مدل‌های پیش‌بینی‌کننده
• 50. اعتبارسنجی متقابل (Cross-Validation)
• 51. اعتبارسنجی بیزی (Bayesian Cross-Validation)
• 52. انتخاب مدل (Model Selection)
• 53. معیارهای انتخاب مدل (DIC, WAIC)
• 54. مقایسه مدل‌ها با استفاده از معیارهای بیزی
• 55. مدل‌سازی پیشرفته در اقتصاد اسلامی
• 56. مدل‌سازی در بانکداری بدون ربا
• 57. مدل‌سازی عقود اسلامی (مضاربه، جعاله)
• 58. مدل‌سازی بیمه‌های اتکایی اسلامی
• 59. مدل‌سازی در علوم پزشکی و بهداشت
• 60. مدل‌سازی در مطالعات بالینی
• 61. مدل‌سازی در اپیدمیولوژی
• 62. مدل‌سازی در سلامت روان
• 63. مدل‌سازی در علوم اجتماعی و رفتاری
• 64. مدل‌سازی در جامعه‌شناسی
• 65. مدل‌سازی در روانشناسی بالینی
• 66. مدل‌سازی در مطالعات خانواده
• 67. مدل‌سازی در علوم سیاسی
• 68. مدل‌سازی در تحلیل سیاست‌گذاری
• 69. مدل‌سازی در روابط بین‌الملل
• 70. مدل‌سازی در مطالعات امنیتی
• 71. مدل‌سازی در علوم محیط زیست
• 72. مدل‌سازی تغییرات اقلیمی
• 73. مدل‌سازی آلودگی هوا
• 74. مدل‌سازی منابع آب
• 75. مدل‌سازی در علوم مهندسی
• 76. مدل‌سازی در مهندسی عمران
• 77. مدل‌سازی در مهندسی برق
• 78. مدل‌سازی در مهندسی مکانیک
• 79. مدل‌سازی در علوم داده
• 80. یادگیری ماشین با رویکرد بیزی
• 81. مدل‌سازی پیش‌بینی در یادگیری ماشین
• 82. مدل‌سازی برای داده‌های بزرگ (Big Data)
• 83. مدل‌سازی در حوزه حکمرانی داده
• 84. مدل‌سازی در حوزه هوش مصنوعی
• 85. اصول اخلاقی در مدل‌سازی آماری
• 86. مسئولیت‌پذیری در استفاده از مدل‌ها
• 87. شفافیت در گزارش‌دهی مدل‌ها
• 88. پیاده‌سازی مدل‌ها در پروژه‌های واقعی
• 89. کارگاه عملی مدل‌سازی با Stan
• 90. پروژه نهایی مدل‌سازی
• 91. ارائه نتایج مدل‌سازی
• 92. مباحث پیشرفته در مدل‌سازی بیزی
• 93. مدل‌سازی پویا (Dynamic Modeling)
• 94. مدل‌سازی سیستم‌های پیچیده
• 95. مدل‌سازی با استفاده از شبکه‌های عصبی بیزی
• 96. روش‌های بیزین پیشرفته
• 97. مقدمه‌ای بر روش‌های بهینه‌سازی بیزی
• 98. کاربرد Stan در تحقیقات علمی
• 99. نکات کاربردی برای نوشتن کد Stan
• 100. اشکال‌زدایی (Debugging) کدهای Stan