دوره تنظیمات پیشرفته برای مسائل پیچیده در Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیمات پیشرفته برای مسائل پیچیده 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 پیکربندی Stan
• 3. آشنایی با سینتکس پایه Stan
• 4. انواع داده‌ها در Stan
• 5. عملگرهای ریاضی و منطقی در Stan
• 6. ساختارهای کنترلی: دستورات شرطی
• 7. ساختارهای کنترلی: حلقه‌ها
• 8. توابع در Stan: تعریف و فراخوانی
• 9. آرایه‌ها و بردارها در Stan
• 10. ماتریس‌ها در Stan
• 11. متغیرهای تصادفی و توزیع‌های احتمال
• 12. مدل‌سازی بیزی با Stan
• 13. مفاهیم استنتاج بیزی
• 14. انتخاب توزیع پیشین (Prior)
• 15. انتخاب توزیع درست‌نما (Likelihood)
• 16. روش‌های نمونه‌برداری MCMC
• 17. الگوریتم هامیلتونی مونت کارلو (HMC)
• 18. الگوریتم گرانولار هامیلتونی مونت کارلو (GHMC)
• 19. الگوریتم No-U-Turn Sampler (NUTS)
• 20. ارزیابی همگرایی زنجیره‌ها
• 21. معیارهای ارزیابی همگرایی (R-hat)
• 22. تحلیل پسین (Posterior Analysis)
• 23. توزیع‌های پسین و میانگین‌گیری
• 24. بازه اطمینان بیزی (Credible Intervals)
• 25. مقایسه مدل‌ها با استفاده از معیارهای بیزی
• 26. معیار اطلاعات آکائیکه بیزی (BIC)
• 27. معیار اطلاعات آکائیکه بیزی تصحیح شده (aBIC)
• 28. معیار اطلاعات کریتریون (DIC)
• 29. معیار پیش‌بینی پسین (PPD)
• 30. مدل‌های خطی در Stan
• 31. رگرسیون خطی بیزی
• 32. رگرسیون لجستیک بیزی
• 33. مدل‌های سلسله‌مراتبی (Hierarchical Models)
• 34. اثرات ثابت و تصادفی
• 35. مدل‌های مختلط (Mixed-effects Models)
• 36. مدل‌های سری زمانی در Stan
• 37. مدل‌های ARIMA بیزی
• 38. مدل‌های حالت فضایی (State-Space Models)
• 39. مدل‌های مکانی در Stan
• 40. مدل‌های خودرگرسیون مکانی (SAR)
• 41. مدل‌های خودهمبستگی مکانی (CAR)
• 42. مدل‌های بقا (Survival Models)
• 43. مدل‌های کاکس (Cox Models)
• 44. مدل‌های بقا با پارامترهای تصادفی
• 45. مدل‌های پیش‌بینی در Stan
• 46. روش‌های اعتبارسنجی متقابل (Cross-validation)
• 47. اعتبارسنجی بیزی (Bayesian Cross-validation)
• 48. مدل‌سازی داده‌های گسسته
• 49. مدل‌های پواسون
• 50. مدل‌های دوجمله‌ای منفی
• 51. مدل‌سازی داده‌های شمارشی
• 52. مدل‌های نیمه پیوسته
• 53. مدل‌سازی داده‌های حجمی (Zero-inflated Models)
• 54. مدل‌های چندسطحی در Stan
• 55. مدل‌های چندسطحی مکانی
• 56. مدل‌های احتمالاتی گرافیکی (Probabilistic Graphical Models)
• 57. شبکه‌های بیزی (Bayesian Networks)
• 58. میدان‌های تصادفی مارکوف (Markov Random Fields)
• 59. مدل‌سازی داده‌های خوشه‌ای
• 60. الگوریتم‌های خوشه‌بندی بیزی
• 61. کاربرد Stan در علوم زیستی
• 62. مدل‌سازی ژنتیکی با Stan
• 63. مدل‌سازی اپیدمیولوژیک با Stan
• 64. کاربرد Stan در علوم اجتماعی
• 65. مدل‌سازی رفتار مصرف‌کننده با Stan
• 66. مدل‌سازی داده‌های نظرسنجی با Stan
• 67. کاربرد Stan در علوم اقتصادی
• 68. مدل‌سازی مالی با Stan
• 69. مدل‌سازی اقتصاد سنجی با Stan
• 70. مدل‌سازی داده‌های مالی با Stan
• 71. بهینه‌سازی پارامترها در Stan
• 72. روش‌های بهینه‌سازی بیزی
• 73. استفاده از Stan با زبان‌های برنامه‌نویسی دیگر (R, Python)
• 74. ارتباط Stan با R
• 75. ارتباط Stan با Python
• 76. تکنیک‌های پیشرفته نمونه‌برداری
• 77. استفاده از معادلات دیفرانسیل در Stan
• 78. مدل‌سازی پویایی سیستم‌ها با Stan
• 79. تجسم نتایج مدل‌های Stan
• 80. رسم توزیع‌های پسین
• 81. رسم نمودارهای زنجیره MCMC
• 82. رسم نمودارهای مقایسه مدل
• 83. مدیریت خطاها در Stan
• 84. دیباگ کردن کدهای Stan
• 85. بهینه‌سازی عملکرد کدهای Stan
• 86. روش‌های موازی‌سازی در Stan
• 87. استفاده از GPU برای محاسبات Stan
• 88. ملاحظات امنیتی در استفاده از Stan
• 89. حفظ حریم خصوصی داده‌ها در مدل‌سازی بیزی
• 90. اصول اخلاقی در تحلیل داده‌های بیزی
• 91. کاربرد Stan در یادگیری ماشین
• 92. ماشین‌های بردار پشتیبان بیزی
• 93. شبکه‌های عصبی بیزی با Stan
• 94. مدل‌های بیزی برای تشخیص الگو
• 95. مدل‌های بیزی برای پردازش زبان طبیعی
• 96. مدل‌های بیزی برای بینایی ماشین
• 97. نکات پیشرفته در مدل‌سازی بیزی
• 98. مدل‌های بیزی غیرپارامتری
• 99. مدل‌های بیزی پویا
• 100. مدل‌های بیزی انعطاف‌پذیر