اپلیکیشن اندرویدی فلشکارت آموزشی رفع مشکلات رایج در مدلسازی با Stan
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره رفع مشکلات رایج در مدلسازی با Stan
موضوع کلی: روشهای نمونهگیری مونتکارلو مارکوف (MCMC) در آمار بیزی
موضوع میانی: مخاطرات و تنظیمات Stan
📋 سرفصلهای دوره
- 1. مقدمهای بر مدلسازی آماری بیزی
- 2. مبانی احتمال و آمار
- 3. توزیعهای احتمال گسسته و پیوسته
- 4. مفاهیم کلیدی در مدلسازی بیزی
- 5. مقدمهای بر زبان برنامهنویسی R
- 6. نصب و راهاندازی R و RStudio
- 7. مبانی کار با دادهها در R
- 8. مقدمهای بر زبان برنامهنویسی Python
- 9. نصب و راهاندازی Python و IDE مناسب
- 10. مبانی کار با دادهها در Python
- 11. مقدمهای بر نرمافزار Stan
- 12. نصب و راهاندازی Stan
- 13. مبانی سینتکس زبان Stan
- 14. ساختار کلی برنامههای Stan
- 15. تعریف مدلهای ساده در Stan
- 16. مفهوم پیشین (Prior) در مدلسازی بیزی
- 17. انتخاب پیشینهای مناسب
- 18. مفهوم درستنمایی (Likelihood)
- 19. تعریف توزیعهای درستنمایی رایج
- 20. نمونهگیری از توزیعهای پیشین و درستنمایی
- 21. مفهوم پسین (Posterior)
- 22. روشهای محاسبه توزیع پسین
- 23. مقدمهای بر روشهای نمونهگیری زنجیره مارکوف مونت کارلو (MCMC)
- 24. مفهوم توزیعهای عرفی (Conjugate Priors)
- 25. مزایا و معایب توزیعهای عرفی
- 26. مقدمهای بر مدلهای خطی تعمیمیافته (GLM)
- 27. مدلهای رگرسیون خطی در Stan
- 28. مدلهای رگرسیون لجستیک در Stan
- 29. مدلهای رگرسیون پواسون در Stan
- 30. مدلهای رگرسیون منفی دوجملهای در Stan
- 31. بررسی همگرایی MCMC
- 32. معیارهای تشخیص همگرایی MCMC
- 33. کاهش واریانس نمونهگیری
- 34. استفاده از توابع کمکی در Stan
- 35. مقدمهای بر مدلهای سلسلهمراتبی (Hierarchical Models)
- 36. مزایای مدلهای سلسلهمراتبی
- 37. مدلهای سلسلهمراتبی تکسطحی
- 38. مدلهای سلسلهمراتبی چندسطحی
- 39. مدلهای اثرات مختلط (Mixed Effects Models)
- 40. پیادهسازی مدلهای اثرات مختلط در Stan
- 41. مفاهیم متغیرهای تصادفی و اثرات ثابت
- 42. مدلسازی دادههای سری زمانی در Stan
- 43. مدلهای ARMA و ARIMA
- 44. مدلهای حالتفضایی (State-Space Models)
- 45. پیادهسازی مدلهای حالتفضایی در Stan
- 46. مقدمهای بر شبکههای عصبی در Stan
- 47. مدلهای رگرسیون چندجملهای در Stan
- 48. مدلهای دستهبندی چندکلاسه در Stan
- 49. مقدمهای بر مدلهای بقا (Survival Models)
- 50. مدلهای کاکس (Cox Models)
- 51. پیادهسازی مدلهای بقا در Stan
- 52. مدلسازی دادههای مکانی در Stan
- 53. مدلهای اتورگرسیو مکانی (CAR)
- 54. مدلهای اتورگرسیو مکانی-زمانی (STAR)
- 55. مقدمهای بر مدلسازی پیشبینی (Forecasting)
- 56. ارزیابی مدلهای پیشبینی
- 57. تنظیم ابرپارامترها (Hyperparameter Tuning)
- 58. بهینهسازی کد Stan
- 59. عیبیابی رایج در مدلهای Stan
- 60. استفاده از بستههای کمکی برای Stan
- 61. تجسم نتایج مدلهای Stan
- 62. رسم نمودارهای پسین
- 63. رسم نمودارهای پیشبینی
- 64. تحلیل حساسیت مدل
- 65. مقدمهای بر مدلهای غیرپارامتری بیزی
- 66. فرآیندهای گوسی (Gaussian Processes)
- 67. کاربرد فرآیندهای گوسی در مدلسازی
- 68. مقدمهای بر روشهای بیزی برای یادگیری ماشین
- 69. مدلهای بیزی برای دستهبندی
- 70. مدلهای بیزی برای رگرسیون
- 71. مقدمهای بر مدلهای گرافیکی بیزی
- 72. شبکههای بیزی (Bayesian Networks)
- 73. پیادهسازی شبکههای بیزی در Stan
- 74. مدلسازی دادههای پراکنده (Sparse Data)
- 75. تکنیکهای مواجهه با دادههای پراکنده
- 76. مقدمهای بر مدلهای پیشرفته سری زمانی
- 77. مدلهای تغییر رژیم (Regime-Switching Models)
- 78. پیادهسازی مدلهای تغییر رژیم در Stan
- 79. مدلسازی دادههای طولانی (Longitudinal Data)
- 80. مدلهای منحنی رشد (Growth Curve Models)
- 81. پیادهسازی مدلهای منحنی رشد در Stan
- 82. مدلسازی دادههای رویداد (Event Data)
- 83. مدلهای فرآیند پواسون (Poisson Process Models)
- 84. پیادهسازی مدلهای فرآیند پواسون در Stan
- 85. مقدمهای بر تحلیل عاملی بیزی
- 86. مدلهای عامل پنهان (Latent Factor Models)
- 87. پیادهسازی مدلهای عامل پنهان در Stan
- 88. مقدمهای بر مدلسازی شبکههای اجتماعی
- 89. مدلهای مبتنی بر گراف در Stan
- 90. پیادهسازی مدلهای شبکههای اجتماعی در Stan
- 91. مدلسازی دادههای متنی (Text Data)
- 92. مدلهای موضوعی بیزی (Bayesian Topic Models)
- 93. پیادهسازی مدلهای موضوعی در Stan
- 94. مقدمهای بر مدلسازی علّی بیزی
- 95. استنتاج علّی در چارچوب بیزی
- 96. کاربرد مدلسازی علّی بیزی
- 97. مقدمهای بر مدلسازی کمی در علوم اجتماعی
- 98. مدلسازی پیشرفته در علوم اجتماعی
- 99. کاربرد Stan در تحقیقات علوم اجتماعی
- 100. مقدمهای بر مدلسازی کمی در علوم زیستی
این اپلیکیشن فارسی برای یادگیری و مرور محتوای آموزشی از طریق فلشکارت طراحی شده است. کارتها را یکییکی مرور کنید، پاسخ پرسشها را به یاد بیاورید و نتیجه هر پاسخ را ثبت کنید. محتوای دوره پس از نصب درون برنامه در دسترس است تا برای مطالعه روزمره معمولاً به اتصال مداوم اینترنت نیاز نداشته باشید.
محتوای آموزشی در قالبهای متنوع ارائه میشود تا هم برای یادگیری مفاهیم جدید و هم برای تثبیت آموختهها قابل استفاده باشد.
- رابط کاربری فارسی و راستچین با فونت وزیر.
- تم روشن و تیره مطابق تنظیمات سیستم.
- صفحهبندی ساده برای انتخاب دوره و شروع مرور.
- نمایش تعداد دفعات مرور هر فصل.
- انتخاب چند فصل برای مرور همزمان.
- امکان تمرکز بر فصلهایی که هنوز مرور نشدهاند.
این اپلیکیشن برای دانشآموزان، دانشجویان، داوطلبان آزمونها و علاقهمندان به یادگیری طراحی شده است؛ بهویژه کسانی که میخواهند مطالب آموزشی را در زمانهای کوتاه مرور کنند، دانستههای خود را بسنجند و مطالعه منظمتری داشته باشند.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.