دوره رفع اشکال مدل‌های Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره رفع اشکال مدل‌های Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر زبان برنامه‌نویسی پایتون
• 2. نصب و راه‌اندازی پایتون
• 3. انواع داده‌ها در پایتون
• 4. متغیرها و عملگرها
• 5. ساختارهای کنترلی (شرطی)
• 6. ساختارهای کنترلی (حلقه‌ها)
• 7. توابع در پایتون
• 8. مدیریت خطا و استثناها
• 9. کار با فایل‌ها در پایتون
• 10. مقدمه‌ای بر برنامه‌نویسی شیءگرا
• 11. مفاهیم کلاس و شیء
• 12. وراثت در پایتون
• 13. چندریختی در پایتون
• 14. مقدمه‌ای بر کتابخانه‌های علمی پایتون
• 15. نصب و استفاده از NumPy
• 16. عملیات بر روی آرایه‌ها با NumPy
• 17. مقدمه‌ای بر کتابخانه SciPy
• 18. استفاده از SciPy برای بهینه‌سازی
• 19. مقدمه‌ای بر کتابخانه Pandas
• 20. ساخت و کار با DataFrame در Pandas
• 21. عملیات داده‌ای با Pandas
• 22. تمیز کردن و پیش‌پردازش داده‌ها
• 23. مقدمه‌ای بر آمار استنباطی
• 24. مفاهیم احتمال
• 25. توزیع‌های آماری رایج
• 26. آزمون فرض آماری
• 27. مقدمه‌ای بر مدل‌سازی آماری
• 28. رگرسیون خطی ساده
• 29. رگرسیون خطی چندگانه
• 30. ارزیابی مدل‌های رگرسیون
• 31. مقدمه‌ای بر مدل‌های احتمالاتی
• 32. مدل‌های گرافیکی احتمالاتی
• 33. شبکه‌های بیزی
• 34. مقدمه‌ای بر زبان Stan
• 35. نصب و راه‌اندازی Stan
• 36. مفاهیم پایه در Stan
• 37. تعریف مدل‌های ساده در Stan
• 38. دستورات شرطی و حلقه‌ها در Stan
• 39. توابع در Stan
• 40. مقدمه‌ای بر مدل‌سازی سلسله مراتبی
• 41. ساخت مدل‌های سلسله مراتبی در Stan
• 42. کار با داده‌های گروه‌بندی شده
• 43. نمونه‌گیری از توزیع‌های پیچیده
• 44. روش‌های نمونه‌گیری مارکوف زنجیره‌ای (MCMC)
• 45. الگوریتم گیبس سمپلینگ
• 46. الگوریتم هامینگتونین مونت کارلو (HMC)
• 47. کالیبراسیون مدل‌ها در Stan
• 48. ارزیابی همگرایی در Stan
• 49. تشخیص و رفع مشکلات همگرایی
• 50. متریک‌های ارزیابی مدل‌های Bayesian
• 51. شاخص اطلاعاتی آکایکه (AIC)
• 52. شاخص اطلاعاتی بیزی (BIC)
• 53. اعتبارسنجی متقابل (Cross-validation)
• 54. اعتبارسنجی متقابل سلسله مراتبی
• 55. پیش‌بینی با مدل‌های Stan
• 56. مدل‌سازی سری‌های زمانی با Stan
• 57. مدل‌های ARIMA در Stan
• 58. مدل‌های حالت-فضا (State-space models) در Stan
• 59. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLM)
• 60. مدل‌های لجستیک در Stan
• 61. مدل‌های پواسون در Stan
• 62. مدل‌های رگرسیون کاکس در Stan
• 63. مدل‌سازی بقا در Stan
• 64. مقدمه‌ای بر داده‌های سلسله مراتبی مکانی
• 65. مدل‌سازی مکانی با Stan
• 66. مفاهیم مربوط به داده‌های مکانی
• 67. استفاده از کتابخانه‌های مکانی در پایتون
• 68. مقدمه‌ای بر مدل‌های یادگیری ماشین
• 69. دسته‌بندی با مدل‌های Bayesian
• 70. رگرسیون با مدل‌های Bayesian
• 71. مقدمه‌ای بر شبکه‌های عصبی
• 72. یادگیری عمیق با Stan
• 73. مدل‌سازی پیشرفته در Stan
• 74. بهینه‌سازی پارامترهای مدل
• 75. اعتبارسنجی مدل با داده‌های جدید
• 76. تفسیر نتایج مدل‌های Bayesian
• 77. گزارش‌دهی نتایج مدل‌سازی
• 78. کاربرد مدل‌های Stan در علوم زیستی
• 79. کاربرد مدل‌های Stan در اقتصاد
• 80. کاربرد مدل‌های Stan در علوم اجتماعی
• 81. کاربرد مدل‌های Stan در مهندسی
• 82. کاربرد مدل‌های Stan در علوم محیطی
• 83. مقدمه‌ای بر مدل‌های غیرپارامتری
• 84. مدل‌های Non-parametric Bayesian
• 85. تکنیک‌های پیشرفته نمونه‌گیری
• 86. مقایسه مدل‌های مختلف
• 87. نکات کاربردی در کار با Stan
• 88. اشکال‌زدایی مدل‌های پیچیده
• 89. مدیریت حافظه در Stan
• 90. بهینه‌سازی کد Stan
• 91. نمایش گرافیکی نتایج مدل‌سازی
• 92. کتابخانه‌های کمکی برای Stan
• 93. مطالعات موردی پیشرفته
• 94. چالش‌های مدل‌سازی Bayesian
• 95. آینده مدل‌سازی Bayesian و Stan