اپلیکیشن اندرویدی فلش‌کارت آموزشی مخاطرات و تنظیمات اساسی در Stan

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مخاطرات و تنظیمات اساسی در Stan

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. مبانی سینتکس Stan
• 4. انواع داده در Stan
• 5. ساختارهای کنترلی در Stan
• 6. توابع و رویه‌ها در Stan
• 7. مدیریت خطا در Stan
• 8. ورودی و خروجی استاندارد در Stan
• 9. اصول برنامه‌نویسی شیءگرا در Stan
• 10. مفاهیم کلاس و شیء در Stan
• 11. وراثت و پلی‌مورفیسم در Stan
• 12. کپسوله‌سازی در Stan
• 13. کار با فایل‌ها در Stan
• 14. پردازش رشته‌ها در Stan
• 15. کار با تاریخ و زمان در Stan
• 16. کار با ساختارهای داده پیچیده (لیست‌ها، دیکشنری‌ها)
• 17. مقدمه‌ای بر مدل‌سازی آماری
• 18. مفاهیم احتمال و توزیع‌های آماری
• 19. توزیع‌های گسسته رایج
• 20. توزیع‌های پیوسته رایج
• 21. مقدمه‌ای بر استنباط آماری
• 22. برآوردگرهای نقطه ای
• 23. فاصله‌های اطمینان
• 24. آزمون فرض آماری
• 25. مقدمه‌ای بر مدل‌های خطی
• 26. رگرسیون خطی ساده
• 27. رگرسیون خطی چندگانه
• 28. ارزیابی مدل رگرسیون خطی
• 29. مقدمه‌ای بر مدل‌های سلسله مراتبی
• 30. مفاهیم سطوح و اثرات تصادفی
• 31. مدل‌های اثرات مختلط
• 32. کاربرد مدل‌های سلسله مراتبی در Stan
• 33. مقدمه‌ای بر مدل‌سازی بیزی
• 34. قضیه بیز
• 35. توزیع پیشین و پسین
• 36. انتخاب توزیع پیشین مناسب
• 37. روش‌های نمونه‌گیری از توزیع پسین
• 38. نمونه‌گیری مونت کارلو زنجیره مارکوف (MCMC)
• 39. الگوریتم گیبز
• 40. الگوریتم متروپلیس-هستینگز
• 41. ارزیابی همگرایی زنجیره‌های MCMC
• 42. تشخیص و رفع مشکلات همگرایی
• 43. تنظیم پارامترهای الگوریتم‌های MCMC
• 44. مقدمه‌ای بر Stan برای مدل‌سازی بیزی
• 45. نوشتن مدل‌های بیزی در Stan
• 46. ساختار فایل مدل Stan
• 47. توابع کمکی در Stan
• 48. کاربرد توزیع‌های پیشین در Stan
• 49. نمونه‌گیری از توزیع پسین با Stan
• 50. استخراج نتایج از خروجی Stan
• 51. تجسم نتایج مدل‌های بیزی
• 52. کاربرد Stan در مدل‌های رگرسیون بیزی
• 53. رگرسیون خطی بیزی در Stan
• 54. مدل‌های خطی تعمیم‌یافته بیزی (GLM) در Stan
• 55. مدل‌های سلسله مراتبی بیزی در Stan
• 56. مدل‌های سری زمانی بیزی در Stan
• 57. مدل‌سازی داده‌های طبقه‌بندی شده با Stan
• 58. مدل‌سازی داده‌های شمارشی با Stan
• 59. مدل‌سازی داده‌های بقا با Stan
• 60. تنظیمات پیشرفته در Stan
• 61. بهینه‌سازی کد Stan
• 62. استفاده از رابط‌های برنامه‌نویسی Stan (RStan, PyStan)
• 63. کاربرد Stan در علوم داده
• 64. کاربرد Stan در تحقیقات علمی
• 65. کاربرد Stan در اقتصاد
• 66. کاربرد Stan در علوم زیستی
• 67. کاربرد Stan در علوم اجتماعی
• 68. کاربرد Stan در مهندسی
• 69. مقدمه‌ای بر روش‌های آماری پیشرفته
• 70. مدل‌های مارکوف پنهان (HMM)
• 71. مدل‌های گرافیکی
• 72. شبکه‌های بیزی
• 73. مدل‌های فضایی
• 74. مدل‌های یادگیری ماشین
• 75. مقدمه‌ای بر یادگیری عمیق
• 76. شبکه‌های عصبی کانولوشنی (CNN)
• 77. شبکه‌های عصبی بازگشتی (RNN)
• 78. شبکه‌های مولد تخاصمی (GAN)
• 79. کاربرد Stan در یادگیری عمیق
• 80. ارزیابی مدل‌های یادگیری ماشین
• 81. بهبود عملکرد مدل‌های یادگیری ماشین
• 82. مقدمه‌ای بر اخلاق در علوم کامپیوتر
• 83. مسئولیت‌پذیری در توسعه نرم‌افزار
• 84. امنیت داده‌ها و حریم خصوصی
• 85. سوگیری در الگوریتم‌ها
• 86. تأثیر فناوری بر جامعه
• 87. مسائل حقوقی در توسعه نرم‌افزار
• 88. اصول طراحی نرم‌افزار پایدار
• 89. مقدمه‌ای بر پروژه‌های عملی با Stan
• 90. طراحی پروژه
• 91. پیاده‌سازی پروژه
• 92. ارزیابی و مستندسازی پروژه
• 93. ارائه نتایج پروژه
• 94. مباحث تکمیلی در Stan
• 95. نکات کاربردی برای توسعه‌دهندگان Stan
• 96. منابع و مراجع برای یادگیری بیشتر Stan