اپلیکیشن اندرویدی فلش‌کارت آموزشی استفاده از Stan برای تحلیل پیشرفته داده

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استفاده از Stan برای تحلیل پیشرفته داده

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی آماری با Stan
• 2. نصب و راه‌اندازی Stan و بسترهای مرتبط
• 3. مبانی زبان برنامه‌نویسی Stan
• 4. تعریف مدل‌های خطی ساده در Stan
• 5. مدل‌های رگرسیون لجستیک در Stan
• 6. مدل‌های سلسله‌مراتبی پایه در Stan
• 7. مفهوم احتمال شرطی و قضیه بیز
• 8. کاربرد قضیه بیز در مدل‌سازی
• 9. فرایندهای مارکوف زنجیره‌ای (MCMC)
• 10. الگوریتم گیبس سمپلینگ
• 11. الگوریتم متروپولیس-هستینگز
• 12. ارزیابی همگرایی زنجیره‌های MCMC
• 13. شاخص‌های ارزیابی همگرایی (R-hat)
• 14. نمایش گرافیکی نتایج MCMC
• 15. استفاده از توابع چگالی احتمال (PDF) در Stan
• 16. استفاده از توابع توزیع تجمعی (CDF) در Stan
• 17. نمونه‌گیری از توزیع‌های رایج در Stan
• 18. تعریف توزیع‌های سفارشی در Stan
• 19. مدل‌سازی داده‌های شمارشی در Stan
• 20. مدل‌های پواسون و دوجمله‌ای منفی
• 21. مدل‌سازی داده‌های پیوسته در Stan
• 22. مدل‌های رگرسیون خطی چندگانه
• 23. مدل‌های رگرسیون غیرخطی
• 24. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLM)
• 25. پیاده‌سازی GLM در Stan
• 26. کاربرد GLM در تحلیل داده‌های زیستی
• 27. کاربرد GLM در تحلیل داده‌های اقتصادی
• 28. مدل‌سازی داده‌های سری زمانی
• 29. مدل‌های ARIMA در Stan
• 30. مدل‌های حالت فضا در Stan
• 31. مقدمه‌ای بر مدل‌های سلسله‌مراتبی پیشرفته
• 32. مدل‌های اثرات مختلط (Mixed Effects Models)
• 33. مدل‌سازی سلسله‌مراتبی برای داده‌های خوشه‌ای
• 34. مدل‌سازی سلسله‌مراتبی برای داده‌های طولی
• 35. کاربرد مدل‌های سلسله‌مراتبی در علوم اجتماعی
• 36. کاربرد مدل‌های سلسله‌مراتبی در مهندسی
• 37. مقدمه‌ای بر مدل‌های بیزی پیشرفته
• 38. مدل‌های شبکه بیزی
• 39. مدل‌سازی پدیده‌های پیچیده با شبکه بیزی
• 40. مقدمه‌ای بر روش‌های بیزی غیرپارامتری
• 41. فرآیندهای گوسی (Gaussian Processes)
• 42. کاربرد فرآیندهای گوسی در پیش‌بینی
• 43. مقدمه‌ای بر مدل‌سازی آماری محاسباتی
• 44. شبیه‌سازی مونت کارلو
• 45. کاربرد شبیه‌سازی در ارزیابی مدل
• 46. مقدمه‌ای بر بهینه‌سازی بیزی
• 47. مفهوم تابع هدف و تابع مشوق
• 48. کاربرد بهینه‌سازی بیزی در یادگیری ماشین
• 49. مقدمه‌ای بر مدل‌سازی آماری در علوم داده
• 50. تحلیل اکتشافی داده‌ها با Stan
• 51. پیش‌پردازش داده‌ها برای مدل‌سازی
• 52. انتخاب ویژگی‌ها برای مدل‌سازی
• 53. ارزیابی عملکرد مدل‌های آماری
• 54. اعتبارسنجی متقابل (Cross-validation)
• 55. تنظیم هایپرپارامترها در مدل‌های بیزی
• 56. کاربرد Stan در یادگیری ماشین
• 57. مدل‌سازی پیش‌بینی‌کننده با Stan
• 58. مدل‌سازی توصیفی با Stan
• 59. مقدمه‌ای بر مدل‌سازی آماری در اقتصاد اسلامی
• 60. بانکداری بدون ربا و مدل‌سازی آن
• 61. عقود اسلامی و پیاده‌سازی در Stan
• 62. مدل‌سازی ریسک در چارچوب اسلامی
• 63. مقدمه‌ای بر مدل‌سازی آماری در مدیریت
• 64. مدل‌سازی تصمیم‌گیری با رویکرد بیزی
• 65. مدل‌سازی رفتار مصرف‌کننده
• 66. مدل‌سازی زنجیره تأمین
• 67. مقدمه‌ای بر مدل‌سازی آماری در علوم پزشکی
• 68. مدل‌سازی بقا (Survival Analysis)
• 69. مدل‌سازی پیش‌بینی بیماری
• 70. مدل‌سازی اثربخشی درمان
• 71. مقدمه‌ای بر مدل‌سازی آماری در علوم تربیتی
• 72. مدل‌سازی پیشرفت تحصیلی دانش‌آموزان
• 73. مدل‌سازی عوامل مؤثر بر یادگیری
• 74. مدل‌سازی ارزشیابی آموزشی
• 75. مقدمه‌ای بر مدل‌سازی آماری در علوم مهندسی
• 76. مدل‌سازی قابلیت اطمینان سیستم‌ها
• 77. مدل‌سازی پیش‌بینی خرابی
• 78. مدل‌سازی بهینه‌سازی فرآیندها
• 79. مقدمه‌ای بر مدل‌سازی آماری در علوم محیط زیست
• 80. مدل‌سازی آلودگی هوا
• 81. مدل‌سازی تغییرات اقلیمی
• 82. مدل‌سازی مدیریت منابع آب
• 83. مقدمه‌ای بر مدل‌سازی آماری در علوم ورزشی
• 84. مدل‌سازی عملکرد ورزشکاران
• 85. مدل‌سازی پیش‌بینی نتایج ورزشی
• 86. مدل‌سازی بهینه‌سازی تمرینات
• 87. مقدمه‌ای بر مدل‌سازی آماری در علوم ارتباطات
• 88. مدل‌سازی انتشار اطلاعات
• 89. مدل‌سازی تأثیر رسانه‌ها
• 90. مدل‌سازی تحلیل افکار عمومی
• 91. مقدمه‌ای بر مدل‌سازی آماری در علوم اجتماعی
• 92. مدل‌سازی پدیده‌های اجتماعی
• 93. مدل‌سازی رفتار گروهی
• 94. مدل‌سازی نابرابری اجتماعی
• 95. مقدمه‌ای بر مدل‌سازی آماری در روانشناسی
• 96. مدل‌سازی اختلالات روانی
• 97. مدل‌سازی فرآیندهای شناختی
• 98. مدل‌سازی رفتار انطباقی
• 99. مقدمه‌ای بر مدل‌سازی آماری در علوم کامپیوتر
• 100. مدل‌سازی شبکه‌های عصبی بیزی