دوره رفع اشکال و بهبود عملکرد Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره رفع اشکال و بهبود عملکرد Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مبانی و اصول اولیه Stan
• 2. نصب و راه‌اندازی Stan
• 3. آشنایی با زبان برنامه‌نویسی Stan
• 4. انواع داده‌ها و ساختارها در Stan
• 5. توابع پایه در Stan
• 6. مفاهیم مدل‌سازی آماری در Stan
• 7. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLM)
• 8. پیاده‌سازی GLM در Stan
• 9. مدل‌های سلسله‌مراتبی در Stan
• 10. مفاهیم استنباط بیزی
• 11. فرآیند MCMC در Stan
• 12. نشانگرهای همگرایی در Stan
• 13. تشخیص و حل مشکلات همگرایی
• 14. بهینه‌سازی کد Stan
• 15. استفاده از داده‌های حجیم در Stan
• 16. مقدمه‌ای بر مدل‌های خطی مختلط
• 17. پیاده‌سازی مدل‌های خطی مختلط در Stan
• 18. مدل‌های سری زمانی در Stan
• 19. مدل‌های مکانی در Stan
• 20. مدل‌های بقا در Stan
• 21. مدل‌های لجستیک و پروبیت در Stan
• 22. مدل‌های شمارشی در Stan
• 23. مدل‌های پنهان مارکوف در Stan
• 24. مدل‌های گرافی در Stan
• 25. شبکه‌های بیزی در Stan
• 26. مدل‌سازی انتخاب گسسته در Stan
• 27. مدل‌های انتخاب پیوسته در Stan
• 28. مدل‌سازی تصمیم‌گیری در Stan
• 29. مدل‌سازی رفتاری در Stan
• 30. مدل‌سازی اقتصادی در Stan
• 31. مدل‌سازی مالی در Stan
• 32. مدل‌سازی اجتماعی در Stan
• 33. مدل‌سازی سیاسی در Stan
• 34. مدل‌سازی تاریخی در Stan
• 35. مدل‌سازی پزشکی در Stan
• 36. مدل‌سازی بهداشتی در Stan
• 37. مدل‌سازی روانشناختی در Stan
• 38. مدل‌سازی آموزشی در Stan
• 39. مدل‌سازی محیطی در Stan
• 40. مدل‌سازی کشاورزی در Stan
• 41. مدل‌سازی مهندسی در Stan
• 42. مدل‌سازی علوم داده در Stan
• 43. مقدمه‌ای بر احتمالات و آمار
• 44. توزیع‌های احتمالاتی گسسته
• 45. توزیع‌های احتمالاتی پیوسته
• 46. آمار توصیفی
• 47. آمار استنباطی
• 48. آزمون فرض آماری
• 49. فاصله اطمینان
• 50. رگرسیون خطی ساده
• 51. رگرسیون خطی چندگانه
• 52. تحلیل واریانس (ANOVA)
• 53. آزمون‌های ناپارامتری
• 54. مقدمه‌ای بر یادگیری ماشین
• 55. یادگیری نظارت شده
• 56. یادگیری بدون نظارت
• 57. ارزیابی مدل‌های یادگیری ماشین
• 58. پیش‌پردازش داده‌ها
• 59. مهندسی ویژگی
• 60. تنظیم ابرپارامترها
• 61. کاهش ابعاد
• 62. انتخاب مدل
• 63. اعتبارسنجی متقابل
• 64. مدل‌های طبقه‌بندی
• 65. مدل‌های رگرسیون
• 66. خوشه‌بندی
• 67. تشخیص ناهنجاری
• 68. سیستم‌های توصیه‌گر
• 69. پردازش زبان طبیعی (NLP)
• 70. یادگیری عمیق (Deep Learning)
• 71. شبکه‌های عصبی کانولوشنی (CNN)
• 72. شبکه‌های عصبی بازگشتی (RNN)
• 73. ترانسفورمرها
• 74. پیاده‌سازی مدل‌های یادگیری عمیق
• 75. بهینه‌سازی شبکه‌های عصبی
• 76. تشخیص اشیاء
• 77. تقطیر تصویر
• 78. تولید متن
• 79. ترجمه ماشینی
• 80. خلاصه‌سازی متن
• 81. تحلیل احساسات
• 82. مدل‌سازی موضوعی
• 83. تحلیل شبکه‌های اجتماعی
• 84. مدل‌سازی انتشار اطلاعات
• 85. مدل‌سازی پیش‌بینی
• 86. تحلیل داده‌های پانل
• 87. مدل‌سازی رویدادهای پرتکرار
• 88. مدل‌سازی بقای رقابتی
• 89. مدل‌سازی داده‌های پرت
• 90. مدل‌سازی داده‌های ناقص
• 91. مدل‌سازی داده‌های مختلط
• 92. مدل‌سازی پویا
• 93. مدل‌سازی رویدادهای متوالی
• 94. مدل‌سازی تصمیمات متوالی
• 95. مدل‌سازی استراتژیک
• 96. مدل‌سازی پیش‌بینی سری زمانی
• 97. مدل‌سازی پیش‌بینی فضایی
• 98. مدل‌سازی پیش‌بینی فضایی-زمانی
• 99. مدل‌سازی مبتنی بر عامل
• 100. شبیه‌سازی مونت کارلو