اپلیکیشن اندرویدی فلش‌کارت آموزشی کاربردهای تخصصی Stan در آمار بیزی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربردهای تخصصی Stan در آمار بیزی

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 و ابزارهای مرتبط
• 3. ساختار یک مدل Stan: داده، پارامترها، مدل
• 4. تعریف توابع likelihood در Stan
• 5. توابع prior در Stan: انتخاب و تفسیر
• 6. نمونه‌گیری با Stan: الگوریتم NUTS
• 7. ارزیابی convergence در Stan: R-hat, effective sample size
• 8. پیش‌بینی پسین (Posterior Predictive Checks)
• 9. مدل‌های سلسله مراتبی در Stan
• 10. مدل‌های خطی تعمیم‌یافته (GLM) در Stan
• 11. مدل‌های رگرسیونی با Stan
• 12. مدل‌های طبقه‌بندی با Stan
• 13. مدل‌های بقا (Survival Analysis) با Stan
• 14. مدل‌های mixed-effects در Stan
• 15. مدل‌های مبتنی بر فرآیندهای گوسی (Gaussian Processes) در Stan
• 16. مدل‌سازی داده‌های شمارشی با Stan
• 17. مدل‌سازی داده‌های سانسور شده با Stan
• 18. مدل‌سازی داده‌های از دست رفته (Missing Data) با Stan
• 19. بهینه‌سازی مدل‌های پیچیده در Stan
• 20. استفاده از Stan برای مدل‌سازی Bayesian A/B testing
• 21. مدل‌سازی سری‌های زمانی با Stan
• 22. مدل‌های state-space در Stan
• 23. مدل‌سازی causal inference با Stan
• 24. مقایسه مدل‌ها در Stan: WAIC و LOO
• 25. تشخیص و رفع مشکلات رایج در مدل‌های Stan
• 26. نوشتن توابع سفارشی در Stan
• 27. استفاده از Stan در R و Python
• 28. ادغام Stan با رابط‌های کاربری گرافیکی (GUI)
• 29. بهره‌وری محاسباتی در Stan: parallelization و compilation
• 30. مدل‌سازی Bayesian Nonparametric با Stan
• 31. مدل‌سازی با داده‌های بزرگ در Stan
• 32. استفاده از Stan برای تحلیل داده‌های ژنتیکی
• 33. مدل‌سازی در علوم اجتماعی با Stan
• 34. کاربرد Stan در علوم مالی