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. مقدمه‌ای بر Stan و کاربردهای آن
• 2. نصب و راه‌اندازی Stan
• 3. آشنایی با زبان برنامه‌نویسی Stan
• 4. مفاهیم پایه در مدل‌سازی آماری
• 5. رگرسیون خطی در Stan
• 6. رگرسیون لجستیک در Stan
• 7. مدل‌های خطی تعمیم‌یافته (GLM) در Stan
• 8. مدل‌های سلسله‌مراتبی در Stan
• 9. مقدمه‌ای بر زنجیره‌های مارکوف مونت کارلو (MCMC)
• 10. الگوریتم Gibbs Sampling در Stan
• 11. الگوریتم Hamiltonian Monte Carlo (HMC) در Stan
• 12. الگوریتم No-U-Turn Sampler (NUTS) در Stan
• 13. ارزیابی همگرایی مدل‌های MCMC
• 14. معیارهای ارزیابی همگرایی (R-hat, ESS)
• 15. تحلیل پسین (Posterior Analysis)
• 16. توزیع‌های پیشین (Prior Distributions)
• 17. انتخاب توزیع‌های پیشین مناسب
• 18. توزیع‌های پسین (Posterior Distributions)
• 19. محاسبه توابع احتمال پسین (Posterior Likelihood Functions)
• 20. مدل‌سازی سری‌های زمانی در Stan
• 21. مدل‌های ARIMA در Stan
• 22. مدل‌های حالت فضا در Stan
• 23. مدل‌سازی داده‌های مکانی در Stan
• 24. مدل‌های خودرگرسیو مکانی (CAR)
• 25. مدل‌های خودهمبسته مکانی (SAR)
• 26. مدل‌سازی بقا (Survival Analysis) در Stan
• 27. مدل‌های کاکس پروپوزنال هازاردز
• 28. مدل‌های پارامتریک بقا
• 29. مدل‌سازی داده‌های طبقه‌بندی شده (Categorical Data)
• 30. مدل‌های چندجمله‌ای لجستیک
• 31. مدل‌های ترتیبی لجستیک
• 32. مدل‌سازی داده‌های شمارشی (Count Data)
• 33. مدل پواسون
• 34. مدل دوجمله‌ای منفی
• 35. مدل‌سازی داده‌های گمشده (Missing Data)
• 36. روش‌های جایگزینی داده‌های گمشده
• 37. مدل‌سازی مستقیم داده‌های گمشده
• 38. بهینه‌سازی پارامترها در Stan
• 39. روش‌های حداکثر درستنمایی
• 40. روش‌های بیزی
• 41. تنظیم ابرپارامترها در مدل‌های یادگیری ماشین
• 42. استفاده از Stan برای شبکه‌های عصبی
• 43. شبکه‌های عصبی پیشخور (Feedforward Neural Networks)
• 44. شبکه‌های عصبی بازگشتی (Recurrent Neural Networks)
• 45. مدل‌های پیش‌بینی در Stan
• 46. ارزیابی عملکرد مدل‌های پیش‌بینی
• 47. شاخص‌های ارزیابی مدل
• 48. کاهش ابعاد داده‌ها در Stan
• 49. تحلیل مولفه‌های اصلی (PCA)
• 50. تحلیل عاملی (Factor Analysis)
• 51. مدل‌سازی ساختاری عاملی (SEM) در Stan
• 52. اعتبارسنجی متقابل (Cross-Validation)
• 53. دقت، حساسیت و ویژگی
• 54. منحنی ROC و AUC
• 55. تشخیص ناهنجاری (Anomaly Detection) در Stan
• 56. روش‌های مبتنی بر چگالی
• 57. روش‌های مبتنی بر فاصله
• 58. مدل‌سازی شبکه‌های اجتماعی در Stan
• 59. تحلیل گره‌ها و یال‌ها
• 60. مدل‌های مبتنی بر موقعیت
• 61. مدل‌سازی داده‌های زیستی در Stan
• 62. تحلیل داده‌های ژنومیک
• 63. تحلیل داده‌های پروتئومیک
• 64. مدل‌سازی داده‌های مالی در Stan
• 65. مدل‌های سری زمانی مالی
• 66. مدل‌های ریسک اعتباری
• 67. استفاده از Stan در اقتصاد سنجی
• 68. مدل‌های پانل دیتا (Panel Data)
• 69. مدل‌های سری زمانی مقطعی (Cross-Sectional Time Series)
• 70. بهبود عملکرد کد Stan
• 71. بهینه‌سازی الگوریتم‌های MCMC
• 72. استفاده از موازی‌سازی در Stan
• 73. اشکال‌زدایی مدل‌های پیچیده Stan
• 74. شناسایی و رفع خطاهای رایج
• 75. تکنیک‌های پیشرفته اشکال‌زدایی
• 76. مقایسه مدل‌های مختلف Stan
• 77. انتخاب بهترین مدل بر اساس معیارهای آماری
• 78. اعتبارسنجی مدل‌های انتخاب شده
• 79. کاربرد Stan در تحقیقات علوم اجتماعی
• 80. مدل‌سازی رفتار مصرف‌کننده
• 81. تحلیل پیمایش‌ها
• 82. کاربرد Stan در تحقیقات علوم انسانی
• 83. تحلیل متون تاریخی
• 84. تحلیل داده‌های زبانی
• 85. مدل‌سازی داده‌های محیط زیستی در Stan
• 86. مدل‌های کیفیت هوا
• 87. مدل‌های پیش‌بینی آب و هوا
• 88. مدل‌سازی داده‌های پزشکی در Stan
• 89. پیش‌بینی بیماری‌ها
• 90. تحلیل کارآزمایی‌های بالینی
• 91. مدل‌سازی پدیده‌های اجتماعی پیچیده
• 92. تحلیل مهاجرت
• 93. تحلیل جرم و جنایت
• 94. کاربرد Stan در مهندسی
• 95. مدل‌سازی قابلیت اطمینان سیستم‌ها
• 96. تحلیل ارتعاشات
• 97. مدل‌سازی داده‌های تولید در Stan
• 98. کنترل کیفیت آماری
• 99. بهینه‌سازی فرآیندهای تولید
• 100. مدل‌سازی داده‌های انرژی در Stan