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 و زبان Stan
- 2. اصول اولیه مدلسازی احتمالاتی
- 3. مفاهیم پایه در آمار استنباطی
- 4. مقدمهای بر زبان برنامهنویسی Stan
- 5. نصب و راهاندازی Stan و ابزارهای مرتبط
- 6. ساختار کلی مدل در Stan
- 7. تعریف متغیرها و دادهها در Stan
- 8. توابع چگالی احتمال (PDF) در Stan
- 9. تابع درستنمایی (Likelihood) در مدلسازی
- 10. تابع پیشین (Prior) در مدلسازی بیزی
- 11. تابع پسین (Posterior) و قضیه بیز
- 12. نمونهگیری از توزیع پسین
- 13. الگوریتمهای نمونهگیری مارکوف زنجیرهای مونت کارلو (MCMC)
- 14. مفاهیم پایه در MCMC: مارکوف چین، حالت پایدار
- 15. الگوریتم گیبس سمپلینگ (Gibbs Sampling)
- 16. الگوریتم هَمیلتونی مونت کارلو (HMC)
- 17. الگوریتم نمونهگیری بر اساس گامهای نامنظم (NUTS)
- 18. نوشتن اولین مدل ساده در Stan
- 19. مدل رگرسیون خطی ساده در Stan
- 20. نحوه کدنویسی مدل رگرسیون خطی در Stan
- 21. تفسیر خروجی مدلهای Stan
- 22. ارزیابی همگرایی زنجیرههای MCMC
- 23. معیارهای ارزیابی همگرایی: R-hat، trace plots
- 24. تشخیص مشکلات در همگرایی مدلها
- 25. تنظیم پارامترهای نمونهگیری در Stan
- 26. مدل رگرسیون خطی چندگانه در Stan
- 27. نحوه کدنویسی مدل رگرسیون خطی چندگانه در Stan
- 28. مدلهای خطی تعمیمیافته (GLM)
- 29. مدل رگرسیون لجستیک در Stan
- 30. نحوه کدنویسی مدل رگرسیون لجستیک در Stan
- 31. مدل رگرسیون پواسون در Stan
- 32. نحوه کدنویسی مدل رگرسیون پواسون در Stan
- 33. مدلهای سلسلهمراتبی (Hierarchical Models)
- 34. مفهوم مدلهای سلسلهمراتبی
- 35. مزایای مدلهای سلسلهمراتبی
- 36. پیادهسازی مدلهای سلسلهمراتبی در Stan
- 37. مدل اثرات مختلط (Mixed Effects Models)
- 38. مدل اثرات ثابت و تصادفی
- 39. مدل اثرات مختلط خطی در Stan
- 40. مدل اثرات مختلط لجستیک در Stan
- 41. مدلسازی سریهای زمانی در Stan
- 42. مقدمهای بر مدلسازی سریهای زمانی
- 43. مدل ARIMA در Stan
- 44. مدلهای فضایی در Stan
- 45. مقدمهای بر مدلسازی فضایی
- 46. مدلهای خودرگرسیونی فضایی (CAR)
- 47. مدلهای خودهمبستگی فضایی (SAR)
- 48. مدلسازی دادههای طبقهبندی شده (Count Data)
- 49. مدلهای توزیع منفی دوجملهای (Negative Binomial)
- 50. مدلهای صفر-متورم (Zero-Inflated Models)
- 51. مدلسازی دادههای بقا (Survival Analysis)
- 52. مقدمهای بر تحلیل بقا
- 53. تابع خطر (Hazard Function)
- 54. مدل کاکس (Cox Proportional Hazards) در Stan
- 55. مدلسازی دادههای گسسته با ساختار پیچیده
- 56. مدلهای مارکوف پنهان (HMM) در Stan
- 57. مدلسازی دادههای شبکهای در Stan
- 58. مقدمهای بر مدلسازی شبکهای
- 59. مدلهای مبتنی بر گراف در Stan
- 60. مدلسازی دادههای پانل (Panel Data)
- 61. مقدمهای بر دادههای پانل
- 62. مدلهای اثرات ثابت و تصادفی در دادههای پانل
- 63. بهینهسازی مدلها در Stan
- 64. نکات پیشرفته در نوشتن مدلهای Stan
- 65. بررسی و رفع اشکالات رایج در مدلها
- 66. اعتبارسنجی مدل (Model Validation)
- 67. اعتبارسنجی پسین (Posterior Predictive Checks)
- 68. استفاده از دادههای آزمایشی برای اعتبارسنجی
- 69. مقایسه مدلها
- 70. شاخصهای اطلاعاتی (AIC, BIC)
- 71. مقایسه مدلهای بیزی (WAIC, LOO-CV)
- 72. مدلسازی با استفاده از دادههای واقعی (مطالعه موردی ۱)
- 73. مدلسازی مشکلات رایج در حوزه اقتصاد اسلامی (مطالعه موردی ۲)
- 74. مدلسازی مشکلات رایج در حوزه بهداشت و درمان (مطالعه موردی ۳)
- 75. مدلسازی مشکلات رایج در حوزه علوم اجتماعی (مطالعه موردی ۴)
- 76. مدلسازی مشکلات رایج در حوزه آموزش (مطالعه موردی ۵)
- 77. بهینهسازی عملکرد کد Stan
- 78. تکنیکهای موازیسازی در Stan
- 79. استفاده از GPU برای تسریع محاسبات
- 80. مقدمهای بر استنباط بیزی در علم داده
- 81. کاربرد Stan در تحلیل دادههای بزرگ
- 82. مدلسازی توزیعهای پیچیده در Stan
- 83. روشهای پیشرفته نمونهگیری در Stan
- 84. مباحث ویژه در مدلسازی بیزی
- 85. مقدمهای بر ابزارهای تحلیل داده در اکوسیستم R
- 86. ادغام Stan با دیگر ابزارهای R
- 87. ترسیم و بصریسازی نتایج مدلهای Stan
- 88. مقدمهای بر مدلسازی شرطی
- 89. مدلهای تصادفی ناپارامتریک
- 90. مقدمهای بر یادگیری ماشین بیزی
- 91. کاربرد مدلهای آماری در تحلیل دادههای اکتشافی
- 92. مقدمهای بر مدلسازی پویا
- 93. مدلسازی بر اساس شبیهسازی
- 94. مقدمهای بر اقتصادسنجی بیزی
- 95. مدلسازی احتمالات شرطی در Stan
- 96. مباحث پیشرفته در توابع چگالی احتمال
- 97. تکنیکهای پیشرفته برای تعیین توزیع پیشین
- 98. ارزیابی دقت پیشبینی مدلهای بیزی
- 99. مدلسازی با استفاده از دادههای نامعلوم
- 100. مقدمهای بر مدلسازی مبتنی بر عامل
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.