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 و محیط توسعه
• 3. ساختار یک مدل Stan
• 4. انواع داده‌ها در Stan
• 5. متغیرهای تصادفی در Stan
• 6. توابع توزیع احتمال در Stan
• 7. نمونه‌برداری مارکوف زنجیره مونت کارلو (MCMC)
• 8. الگوریتم‌های نمونه‌برداری در Stan
• 9. همگرایی زنجیره‌های MCMC
• 10. تشخیص مشکلاتی در همگرایی
• 11. پیش‌بینی‌کننده‌ها و پارامترها
• 12. مدل‌سازی خطی در Stan
• 13. مدل‌سازی رگرسیون لجستیک در Stan
• 14. مدل‌سازی اثرات تصادفی در Stan
• 15. مدل‌سازی سلسله مراتبی در Stan
• 16. مدل‌سازی با داده‌های از دست رفته
• 17. مدل‌سازی داده‌های زمانی در Stan
• 18. مدل‌سازی بقا در Stan
• 19. مدل‌سازی توزیع‌های غیر نرمال
• 20. استفاده از توابع تعریف‌شده توسط کاربر در Stan
• 21. بهینه‌سازی مدل در Stan
• 22. مقایسه مدل‌ها با استفاده از معیار اطلاعات بایزی (BIC)
• 23. مقایسه مدل‌ها با استفاده از اعتبارسنجی متقابل
• 24. اعتبارسنجی مدل Stan
• 25. خطایابی و رفع اشکال در مدل‌های Stan
• 26. تکنیک‌های بهبود عملکرد مدل Stan
• 27. استفاده از Stan با R
• 28. استفاده از Stan با Python
• 29. استفاده از Stan با Julia
• 30. مستندسازی مدل‌های Stan
• 31. به اشتراک‌گذاری مدل‌های Stan
• 32. مدل‌سازی Bayesian در علوم پزشکی
• 33. مدل‌سازی Bayesian در علوم اجتماعی
• 34. مدل‌سازی Bayesian در مهندسی
• 35. مدل‌سازی Bayesian در اقتصادسنجی
• 36. مقدمه‌ای بر روش‌های Monte Carlo Hamiltonian
• 37. استفاده از ADVI (Automatic Differentiation Variational Inference) در Stan
• 38. تنظیم پارامترهای نمونه‌برداری MCMC
• 39. انتخاب توزیع پیشین مناسب
• 40. حساسیت مدل به توزیع پیشین
• 41. مدل‌سازی با محدودیت‌ها
• 42. مدل‌سازی با داده‌های سانسور شده
• 43. مدل‌سازی با داده‌های طبقه‌بندی شده
• 44. مدل‌سازی با داده‌های چندمتغیره
• 45. مدل‌سازی Bayesian غیرپارامتری در Stan
• 46. تکنیک‌های کاهش ابعاد در Stan
• 47. یادگیری ماشین Bayesian در Stan
• 48. مدل‌سازی Bayesian و تصمیم‌گیری
• 49. تفسیر نتایج مدل Stan
• 50. ارائه نتایج مدل Stan
• 51. ملاحظات محاسباتی در Stan
• 52. استفاده از Stan در محاسبات موازی
• 53. مدل‌سازی Bayesian در علوم زیستی
• 54. مدل‌سازی Bayesian در علوم محیطی
• 55. مدل‌سازی Bayesian در علوم کامپیوتر
• 56. مقایسه Stan با سایر زبان‌های مدل‌سازی Bayesian
• 57. آینده Stan و توسعه‌های آتی
• 58. بهینه‌سازی کد Stan برای سرعت و دقت
• 59. استفاده از توابع کتابخانه‌ای در Stan
• 60. مدل‌سازی Bayesian برای مسائل پیچیده
• 61. مدل‌سازی Bayesian در شرایط عدم قطعیت
• 62. تحلیل حساسیت مدل Bayesian
• 63. ارزیابی عدم قطعیت پارامترها
• 64. پیش‌بینی با استفاده از مدل‌های Bayesian
• 65. توسعه مدل‌های Bayesian سفارشی در Stan
• 66. استفاده از Stan برای تحلیل داده‌های بزرگ
• 67. مدل‌سازی Bayesian و شبکه‌های عصبی
• 68. ادغام Stan با سایر ابزارهای آماری