اپلیکیشن اندرویدی فلش‌کارت آموزشی تکنیک‌های ارزیابی مدل با Stan

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تکنیک‌های ارزیابی مدل 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 با Stan
• 2. نصب و راه‌اندازی Stan و محیط‌های توسعه
• 3. زبان مدل‌سازی Stan: مبانی و دستورات
• 4. انواع داده‌ها در Stan
• 5. توابع و عملگرها در Stan
• 6. ساخت مدل‌های آماری ساده در Stan
• 7. تخمین پارامترها با استفاده از روش‌های MCMC
• 8. مفهوم زنجیره‌های مارکوف مونت کارلو (MCMC)
• 9. همگرایی زنجیره‌ها و معیارهای ارزیابی
• 10. پیش‌بینی‌های پسین (Posterior Predictive Checks)
• 11. مدل‌های رگرسیون خطی در Stan
• 12. مدل‌های رگرسیون لجستیک در Stan
• 13. مدل‌های خطی تعمیم‌یافته (GLM) در Stan
• 14. مدل‌های سلسله مراتبی (Hierarchical Models)
• 15. مدل‌های ترکیبی (Mixture Models)
• 16. مدل‌سازی متغیرهای گسسته در Stan
• 17. مدل‌سازی داده‌های شمارشی در Stan
• 18. مدل‌سازی داده‌های زمان سری در Stan
• 19. مدل‌های تغییر حالت (State-Space Models)
• 20. روش‌های نمونه‌برداری پیشرفته در Stan
• 21. استفاده از Stan با زبان‌های برنامه‌نویسی R و Python
• 22. ارزیابی مدل‌ها با استفاده از معیار WAIC
• 23. ارزیابی مدل‌ها با استفاده از معیار LOO-CV
• 24. مقایسه مدل‌ها و انتخاب بهترین مدل
• 25. تشخیص و رفع مشکلات رایج در مدل‌سازی Stan
• 26. بهینه‌سازی کد Stan برای افزایش سرعت
• 27. مدل‌سازی با داده‌های از دست رفته (Missing Data)
• 28. مدل‌سازی با متغیرهای پنهان (Latent Variables)
• 29. استفاده از Stan برای تحلیل Bayesian A/B Testing
• 30. مدل‌سازی مدل‌های بقا (Survival Models)
• 31. مدل‌سازی مدل‌های پویا (Dynamic Models)
• 32. استفاده از Stan برای تحلیل داده‌های مکانی (Spatial Data)
• 33. مدل‌سازی مدل‌های چندمتغیره (Multivariate Models)
• 34. روش‌های اعتبارسنجی مدل در Stan
• 35. مدل‌سازی با توزیع‌های غیر استاندارد در Stan
• 36. تکنیک‌های کاهش واریانس در MCMC
• 37. استفاده از Stan برای تحلیل حساسیت (Sensitivity Analysis)
• 38. مدل‌سازی Bayesian غیرپارامتری با Stan
• 39. نوشتن مدل‌های پیچیده در Stan: راهنمایی عملی
• 40. به‌کارگیری Stan در علوم زیستی
• 41. به‌کارگیری Stan در علوم اجتماعی
• 42. به‌کارگیری Stan در مهندسی
• 43. به‌کارگیری Stan در اقتصادسنجی
• 44. به‌کارگیری Stan در علوم کامپیوتر
• 45. ارائه نتایج مدل‌سازی Stan به صورت بصری
• 46. مستندسازی مدل‌های Stan
• 47. اشتباهات رایج در مدل‌سازی Bayesian و نحوه اجتناب از آن‌ها
• 48. استفاده از Stan برای تحلیل داده‌های بزرگ
• 49. ادغام Stan با پایگاه‌های داده
• 50. توسعه مدل‌های سفارشی در Stan
• 51. روش‌های موازی‌سازی در Stan
• 52. بهینه‌سازی فرایند MCMC با استفاده از تنظیمات مناسب
• 53. استفاده از Stan برای تحلیل داده‌های چند سطحی
• 54. مدل‌سازی مدل‌های خطی تعمیم‌یافته تعمیم‌یافته (GLMM) در Stan
• 55. تحلیل داده‌های پانل با Stan
• 56. استفاده از Stan برای تحلیل داده‌های ترکیبی (Longitudinal Data)
• 57. مدل‌سازی مدل‌های بقای شتاب‌یافته (Accelerated Failure Time Models)
• 58. مدل‌سازی مدل‌های خطر نسبی (Cox Proportional Hazards Models)
• 59. استفاده از Stan برای تحلیل داده‌های مشاهده‌ای (Observational Data)
• 60. مدل‌سازی مدل‌های انتقال (Transition Models)
• 61. تکنیک‌های ارزیابی مدل‌های پیچیده در Stan
• 62. بررسی و رفع مشکلات مربوط به شناسایی مدل (Model Identifiability)
• 63. استفاده از Stan برای تحلیل داده‌های ناقص تصادفی (MAR)
• 64. مدل‌سازی مدل‌های چندگانه (Multiple Imputation Models)
• 65. استفاده از Stan برای تحلیل داده‌های ناهمگن (Heterogeneous Data)
• 66. مدل‌سازی مدل‌های تعاملی (Interaction Models)
• 67. استفاده از Stan برای تحلیل داده‌های غیرخطی (Non-linear Data)
• 68. مدل‌سازی مدل‌های سلسله مراتبی بیزی (Bayesian Hierarchical Models)
• 69. استفاده از Stan برای تحلیل داده‌های نامنظم (Irregular Data)
• 70. مدل‌سازی مدل‌های پنهان مارکوف (Hidden Markov Models)
• 71. استفاده از Stan برای تحلیل داده‌های فضایی-زمانی (Spatio-Temporal Data)
• 72. توسعه ابزارهای کمکی برای کار با Stan
• 73. بررسی آخرین پیشرفت‌ها در Stan و کتابخانه‌های مرتبط