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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیمات پیشرفته برای مدل‌سازی 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 R
• 2. نصب و راه‌اندازی R و RStudio
• 3. مبانی کار با داده‌ها در R
• 4. انواع داده‌ها و ساختارهای داده‌ای در R
• 5. عملیات اولیه با بردارها و ماتریس‌ها
• 6. کار با داده‌فریم‌ها و لیست‌ها
• 7. مفاهیم پایه آمار توصیفی در R
• 8. نمودارهای آماری برای اکتشاف داده‌ها
• 9. مقدمه‌ای بر مدل‌سازی آماری
• 10. انتخاب و برازش مدل‌های خطی ساده
• 11. مقدمه‌ای بر زبان Stan
• 12. نصب و پیکربندی Stan
• 13. مبانی سینتکس Stan
• 14. مدل‌های خطی در Stan
• 15. مدل‌های رگرسیون در Stan
• 16. مقدمه‌ای بر مدل‌های سلسله‌مراتبی
• 17. مدل‌های سلسله‌مراتبی در Stan
• 18. مدل‌های لجستیک در Stan
• 19. مدل‌های پواسون در Stan
• 20. مدل‌های پروبیت در Stan
• 21. کار با داده‌های سری زمانی در Stan
• 22. مدل‌های ARIMA در Stan
• 23. مدل‌های GARCH در Stan
• 24. مدل‌های حالت‌-فضای خطی در Stan
• 25. مقدمه‌ای بر مدل‌های غیرخطی
• 26. مدل‌های غیرخطی در Stan
• 27. مدل‌های اثرات مختلط در Stan
• 28. مدل‌های چندسطحی در Stan
• 29. مدل‌های رشد خطی در Stan
• 30. مدل‌های رشد غیرخطی در Stan
• 31. مدل‌های بقا در Stan
• 32. مدل‌های کاکس در Stan
• 33. مدل‌های بقای پارامتری در Stan
• 34. مقدمه‌ای بر مدل‌های بیزی
• 35. مفاهیم پایه استنباط بیزی
• 36. قضیه بیز و توزیع پیشین و پسین
• 37. نمونه‌گیری از توزیع پسین
• 38. روش‌های MCMC (Markov Chain Monte Carlo)
• 39. کتابخانه rstanarm
• 40. پیاده‌سازی مدل‌های خطی با rstanarm
• 41. پیاده‌سازی مدل‌های سلسله‌مراتبی با rstanarm
• 42. پیاده‌سازی مدل‌های لجستیک با rstanarm
• 43. پیاده‌سازی مدل‌های پواسون با rstanarm
• 44. مقدمه‌ای بر کتابخانه brms
• 45. پیاده‌سازی مدل‌های پیچیده با brms
• 46. مدل‌های خطی تعمیم‌یافته با brms
• 47. مدل‌های غیرخطی تعمیم‌یافته با brms
• 48. مدل‌های مختلط با brms
• 49. مدل‌های رگرسیون کوانتایل با brms
• 50. اعتبارسنجی مدل‌ها در Stan
• 51. تشخیص همگرایی در Stan
• 52. بررسی کیفیت نمونه‌گیری MCMC
• 53. تفسیر خروجی‌های Stan
• 54. بهینه‌سازی کد Stan
• 55. نکات پیشرفته در سینتکس Stan
• 56. کار با داده‌های بزرگ در Stan
• 57. مدل‌سازی توزیع‌های سفارشی در Stan
• 58. تکنیک‌های نمونه‌گیری پیشرفته
• 59. اعتبارسنجی متقابل در Stan
• 60. مقایسه مدل‌ها در Stan
• 61. شاخص‌های اطلاعاتی مدل (AIC, BIC)
• 62. تفسیر پارامترهای مدل‌های بیزی
• 63. مدل‌سازی پیش‌بینی در Stan
• 64. ارزیابی پیش‌بینی‌ها
• 65. کار با مدل‌های فضایی در Stan
• 66. مقدمه‌ای بر مدل‌های شبکه‌ای در Stan
• 67. مدل‌سازی روابط در Stan
• 68. مقدمه‌ای بر مدل‌های پویایی‌شناسی سیستم‌ها
• 69. مدل‌سازی سناریو در Stan
• 70. مقدمه‌ای بر یادگیری ماشین آماری
• 71. مدل‌های رگرسیون بردار پشتیبان (SVM)
• 72. مدل‌های درخت تصمیم
• 73. مدل‌های جنگل تصادفی
• 74. مقدمه‌ای بر شبکه‌های عصبی
• 75. شبکه‌های عصبی پیشخور
• 76. شبکه‌های عصبی کانولوشنی (CNN)
• 77. شبکه‌های عصبی بازگشتی (RNN)
• 78. کاربرد Stan در علوم زیستی
• 79. کاربرد Stan در علوم اجتماعی
• 80. کاربرد Stan در اقتصاد
• 81. کاربرد Stan در مهندسی
• 82. مقدمه‌ای بر محاسبات موازی در Stan
• 83. استفاده از GPU برای محاسبات Stan
• 84. مدیریت خطا در Stan
• 85. دیباگ کردن کد Stan
• 86. مستندسازی مدل‌های Stan
• 87. اشتراک‌گذاری مدل‌های Stan
• 88. اخلاق در مدل‌سازی آماری
• 89. کاربرد مدل‌سازی در تصمیم‌گیری
• 90. مقدمه‌ای بر مدل‌سازی در سلامت
• 91. مدل‌سازی در بهداشت عمومی
• 92. مدل‌سازی در تحقیقات بالینی
• 93. مدل‌سازی در اقتصاد سلامت
• 94. مدل‌سازی در مدیریت ریسک
• 95. مدل‌سازی در بیمه
• 96. مقدمه‌ای بر مدل‌سازی در پدیده‌های اجتماعی
• 97. مدل‌سازی در جامعه‌شناسی
• 98. مدل‌سازی در علوم سیاسی
• 99. مدل‌سازی در ارتباطات
• 100. مدل‌سازی در مطالعات فرهنگی