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 و محیط Stan
• 2. نصب و راه‌اندازی Stan و ابزارهای مرتبط
• 3. ساختار کلی مدل‌های بیزی و مفاهیم پایه
• 4. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLM) در Stan
• 5. مدل‌سازی رگرسیون خطی با Stan
• 6. مدل‌سازی رگرسیون لجستیک با Stan
• 7. مدل‌سازی رگرسیون پواسون با Stan
• 8. مدل‌سازی رگرسیون ناپارامتری با Stan
• 9. مفاهیم پیشرفته در مدل‌سازی بیزی: سلسله‌مراتب
• 10. مدل‌های سلسله‌مراتبی خطی با Stan
• 11. مدل‌های اثرات مختلط (Mixed Effects) با Stan
• 12. مدل‌سازی سری‌های زمانی با Stan
• 13. مدل‌سازی مدل‌های اتورگرسیو (AR) با Stan
• 14. مدل‌سازی مدل‌های میانگین متحرک (MA) با Stan
• 15. مدل‌سازی مدل‌های ARMA و ARIMA با Stan
• 16. مدل‌سازی مدل‌های GARCH با Stan
• 17. مدل‌سازی داده‌های فضایی با Stan
• 18. مقدمه‌ای بر شبکه‌های عصبی بیزی
• 19. مدل‌سازی شبکه‌های عصبی ساده با Stan
• 20. مدل‌سازی شبکه‌های عصبی عمیق با Stan
• 21. مدل‌سازی مدل‌های گرافیکی بیزی
• 22. مقدمه‌ای بر مدل‌های مارکوف پنهان (HMM)
• 23. پیاده‌سازی HMM در Stan
• 24. مدل‌سازی مدل‌های عامل پنهان (LVM)
• 25. کاربرد LVM در تحلیل داده‌های پیمایشی
• 26. مدل‌سازی مدل‌های بقا (Survival Analysis) با Stan
• 27. مدل کاکس (Cox Proportional Hazards) در Stan
• 28. مدل‌های بقای پارامتری در Stan
• 29. مدل‌سازی داده‌های پرت (Outlier Detection)
• 30. روش‌های تشخیص و مدیریت داده‌های پرت
• 31. مدل‌سازی مدل‌های خطی تعمیم‌یافته مختلط (GLMM)
• 32. پیاده‌سازی GLMM در Stan
• 33. مدل‌سازی مدل‌های رگرسیون کوانتایل (Quantile Regression)
• 34. مدل‌سازی رگرسیون کوانتایل سلسله‌مراتبی
• 35. مدل‌سازی مدل‌های غیرپارامتری با Stan
• 36. روش‌های نمونه‌گیری مونت کارلو در Stan
• 37. روش‌های MCMC پیشرفته (NUTS, HMC)
• 38. ارزیابی و تشخیص همگرایی در MCMC
• 39. شاخص‌های ارزیابی کیفیت نمونه‌گیری (R-hat, ESS)
• 40. اعتبارسنجی مدل‌های بیزی
• 41. اعتبارسنجی متقابل (Cross-validation) برای مدل‌های بیزی
• 42. اعتبارسنجی پیش‌بینی (Posterior Predictive Checks)
• 43. مقایسه مدل‌های بیزی (DIC, WAIC, LOO-CV)
• 44. بهینه‌سازی کد Stan برای کارایی
• 45. استفاده از دستورات و توابع کارآمد در Stan
• 46. موازی‌سازی در Stan
• 47. استفاده از GPU در Stan
• 48. مدیریت خطاها و اشکال‌زدایی در Stan
• 49. نوشتن کدهای ماژولار و قابل استفاده مجدد
• 50. مقدمه‌ای بر مدل‌سازی علّی (Causal Inference)
• 51. کاربرد مدل‌های بیزی در استنتاج علّی
• 52. مدل‌سازی متغیرهای میانجی (Mediator Models)
• 53. مدل‌سازی متغیرهای تعدیل‌کننده (Moderator Models)
• 54. روش‌های مبتنی بر تطابق (Matching) در استنتاج علّی
• 55. روش‌های مبتنی بر وزن‌دهی (Weighting) در استنتاج علّی
• 56. روش‌های مبتنی بر متغیرهای ابزاری (Instrumental Variables)
• 57. مدل‌سازی مدل‌های ساختاری (Structural Equation Models)
• 58. پیاده‌سازی SEM در Stan
• 59. مدل‌سازی مدل‌های چندسطحی (Multilevel Models)
• 60. کاربرد مدل‌های چندسطحی در علوم اجتماعی
• 61. مدل‌سازی داده‌های متنی با Stan
• 62. تحلیل احساسات (Sentiment Analysis) با مدل‌های بیزی
• 63. مدل‌سازی موضوعی (Topic Modeling) با Stan
• 64. مقدمه‌ای بر یادگیری تقویتی بیزی
• 65. کاربرد یادگیری تقویتی بیزی در تصمیم‌گیری
• 66. مدل‌سازی مدل‌های تصمیم‌گیری مارکوف (MDP)
• 67. پیاده‌سازی MDP در Stan
• 68. مدل‌سازی مدل‌های تصمیم‌گیری پنهان مارکوف (HMDP)
• 69. مدل‌سازی مدل‌های بازی بیزی
• 70. کاربرد مدل‌های بیزی در اقتصاد رفتاری
• 71. مدل‌سازی انتخاب منطقی (Rational Choice)
• 72. مدل‌سازی ترجیحات افراد
• 73. مدل‌سازی رفتار مصرف‌کننده
• 74. مدل‌سازی رفتار تولیدکننده
• 75. مدل‌سازی ریسک و عدم قطعیت
• 76. مدل‌سازی عدم اطمینان در پیش‌بینی‌ها
• 77. مدل‌سازی ریسک اعتباری
• 78. مدل‌سازی ریسک بازار
• 79. مدل‌سازی ریسک عملیاتی
• 80. مدل‌سازی مدل‌های مبتنی بر عامل (Agent-Based Models)
• 81. پیاده‌سازی ABM در Stan
• 82. شبیه‌سازی سناریوهای مختلف با Stan
• 83. تحلیل حساسیت در مدل‌های بیزی
• 84. انتقال مدل (Model Transfer) در Stan
• 85. یادگیری انتقالی (Transfer Learning) با مدل‌های بیزی
• 86. کاربرد مدل‌های بیزی در بهداشت عمومی
• 87. مدل‌سازی انتشار بیماری‌ها
• 88. مدل‌سازی اثربخشی واکسیناسیون
• 89. مدل‌سازی سیستم‌های سلامت
• 90. مدل‌سازی داده‌های زیستی با Stan
• 91. مدل‌سازی داده‌های ژنتیکی
• 92. مدل‌سازی داده‌های بالینی
• 93. مدل‌سازی مدل‌های پیش‌بینی در علم داده
• 94. مدل‌سازی پیش‌بینی سری‌های زمانی پیچیده
• 95. مدل‌سازی پیش‌بینی رفتار مشتری
• 96. مدل‌سازی پیش‌بینی تقاضا
• 97. مدل‌سازی پیش‌بینی قیمت
• 98. مدل‌سازی مدل‌های یادگیری ماشین بیزی
• 99. مقدمه‌ای بر استنتاج بایاسین در یادگیری ماشین
• 100. کاربرد استنتاج بایاسین در الگوریتم‌های یادگیری ماشین