اپلیکیشن اندرویدی فلش‌کارت آموزشی راهنمای کاربردی Stan

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای کاربردی Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر Stan و آمار بیزی
• 2. نصب و راه‌اندازی Stan
• 3. ساختار یک مدل Stan
• 4. انواع داده‌ها در Stan
• 5. توابع توکار Stan
• 6. تعریف پارامترها در Stan
• 7. تعریف توزیع‌های احتمال در Stan
• 8. مدل‌های خطی ساده در Stan
• 9. مدل‌های خطی تعمیم‌یافته (GLM) در Stan
• 10. مدل‌های رگرسیونی لجستیک در Stan
• 11. مدل‌های سلسله مراتبی در Stan
• 12. استفاده از priorها در Stan
• 13. انتخاب prior مناسب
• 14. بررسی همگرایی MCMC در Stan
• 15. تشخیص مشکلات همگرایی
• 16. تنظیم پارامترهای نمونه‌گیری MCMC
• 17. توابع انتقال (Transformation Functions) در Stan
• 18. مدل‌سازی با داده‌های از دست رفته (Missing Data)
• 19. مدل‌سازی داده‌های سانسور شده (Censored Data)
• 20. استفاده از Stan با R
• 21. استفاده از Stan با Python
• 22. بهینه‌سازی مدل‌های Stan
• 23. اعتبارسنجی مدل Stan
• 24. مقایسه مدل‌ها با استفاده از WAIC و LOO
• 25. پیش‌بینی در مدل‌های Stan
• 26. مدل‌سازی سری‌های زمانی در Stan
• 27. مدل‌سازی بیزی پویا (Dynamic Bayesian Modeling)
• 28. استفاده از Stan برای مسائل طبقه‌بندی
• 29. استفاده از Stan برای مسائل خوشه‌بندی
• 30. مدل‌سازی بیزی غیرپارامتری با Stan
• 31. روش‌های تقریب بیزی با Stan
• 32. بهبود عملکرد مدل‌های Stan
• 33. خطایابی و اشکال‌زدایی در Stan
• 34. نکات و ترفندهای پیشرفته Stan