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 برای مدل‌سازی آماری
• 2. نصب و راه‌اندازی R و RStudio
• 3. مفاهیم پایه‌ای R: متغیرها، انواع داده و ساختارها
• 4. عملیات ریاضی و منطقی در R
• 5. کار با بردارها و ماتریس‌ها
• 6. کار با لیست‌ها و دیتافریم‌ها
• 7. مقدمه‌ای بر برنامه‌نویسی تابعی در R
• 8. نوشتن توابع سفارشی در R
• 9. مدیریت داده‌ها: خواندن و نوشتن فایل‌ها (CSV, Excel)
• 10. پاکسازی و پیش‌پردازش داده‌ها
• 11. شناسایی و مدیریت مقادیر گمشده
• 12. تبدیلات داده و مهندسی ویژگی
• 13. مقدمه‌ای بر مدل‌سازی آماری
• 14. مفاهیم رگرسیون خطی ساده
• 15. اجرای رگرسیون خطی ساده در R
• 16. تفسیر نتایج رگرسیون خطی ساده
• 17. مقدمه‌ای بر رگرسیون خطی چندگانه
• 18. اجرای رگرسیون خطی چندگانه در R
• 19. تفسیر نتایج رگرسیون خطی چندگانه
• 20. تشخیص و رفع مشکلات در رگرسیون خطی (هم‌خطی، ناهمسانی واریانس)
• 21. مدل‌های خطی تعمیم‌یافته (GLM)
• 22. مقدمه‌ای بر رگرسیون لجستیک
• 23. اجرای رگرسیون لجستیک در R
• 24. تفسیر نتایج رگرسیون لجستیک
• 25. مدل‌های سری زمانی (مقدماتی)
• 26. مفاهیم اصلی مدل‌های سری زمانی
• 27. مدل‌های ARIMA
• 28. اجرای مدل‌های ARIMA در R
• 29. تفسیر نتایج مدل‌های ARIMA
• 30. مقدمه‌ای بر مدل‌های سلسله‌مراتبی (Hierarchical Models)
• 31. مدل‌های اثرات ثابت و تصادفی
• 32. اجرای مدل‌های سلسله‌مراتبی در R
• 33. مقدمه‌ای بر نرم‌افزار Stan
• 34. نصب و راه‌اندازی Stan
• 35. زبان مدل‌سازی Stan: مفاهیم پایه
• 36. بلوک‌های اصلی در مدل‌های Stan (data, parameters, model, generated quantities)
• 37. تعریف متغیرهای مدل در Stan
• 38. نوشتن توابع سفارشی در Stan
• 39. مفاهیم توزیع‌های احتمال در Stan
• 40. توزیع‌های پیشین (Prior Distributions) و انتخاب آن‌ها
• 41. توزیع‌های پسین (Posterior Distributions)
• 42. روش‌های نمونه‌برداری در Stan (MCMC)
• 43. اجرای مدل‌های ساده در Stan
• 44. مدل رگرسیون خطی در Stan
• 45. مدل رگرسیون لجستیک در Stan
• 46. مدل‌های سلسله‌مراتبی در Stan
• 47. مدل‌سازی داده‌های طولی در Stan
• 48. مدل‌سازی داده‌های خوشه‌ای در Stan
• 49. بررسی همگرایی زنجیره‌های مارکوف در Stan
• 50. معیارهای ارزیابی مدل در Stan (Rhat, ESS)
• 51. تجسم نتایج مدل Stan
• 52. کدهای نمونه برای مدل‌های پیشرفته در Stan
• 53. مدل‌سازی پیش‌بینی در Stan
• 54. اعتبارسنجی متقابل (Cross-validation) برای مدل‌های Stan
• 55. مدل‌سازی داده‌های شمارشی (Poisson, Negative Binomial) در Stan
• 56. مدل‌سازی داده‌های دودویی (Bernoulli, Binomial) در Stan
• 57. مدل‌سازی داده‌های ترتیبی (Ordered Logistic) در Stan
• 58. مدل‌سازی مدل‌های مخلوط (Mixed-Effects Models)
• 59. کاربرد مدل‌سازی در علوم اجتماعی
• 60. کاربرد مدل‌سازی در اقتصاد
• 61. کاربرد مدل‌سازی در پزشکی و بهداشت
• 62. کاربرد مدل‌سازی در علوم محیط زیست
• 63. کاربرد مدل‌سازی در مهندسی
• 64. کاربرد مدل‌سازی در علوم داده
• 65. مقدمه‌ای بر شبیه‌سازی در Stan
• 66. نوشتن کدهای بهینه برای Stan
• 67. اشکال‌زدایی مدل‌های Stan
• 68. تکنیک‌های پیشرفته در Stan
• 69. مدل‌سازی پویایی سیستم‌ها در Stan
• 70. مدل‌سازی شبکه در Stan
• 71. مدل‌سازی فضایی در Stan
• 72. مدل‌سازی داده‌های تصویری در Stan
• 73. مدل‌سازی داده‌های متنی در Stan
• 74. مقدمه‌ای بر یادگیری ماشین با Stan
• 75. مقایسه Stan با سایر نرم‌افزارهای آماری
• 76. کار با داده‌های بزرگ در Stan
• 77. نکات مهم در گزارش‌دهی نتایج مدل‌سازی
• 78. اخلاق در مدل‌سازی آماری
• 79. امنیت داده‌ها در مدل‌سازی
• 80. حریم خصوصی در مدل‌سازی آماری
• 81. مدل‌سازی آماری مبتنی بر شواهد
• 82. اصول مدل‌سازی آماری در نظام سلامت
• 83. قوانین و مقررات مربوط به مدل‌سازی داده‌ها در ایران
• 84. ملاحظات شرعی در مدل‌سازی آماری
• 85. استانداردهای فنی در مدل‌سازی آماری
• 86. راهنمای جامع استفاده از R و Stan برای پژوهشگران
• 87. مدل‌سازی پیشرفته سری‌های زمانی با Stan
• 88. مدل‌سازی داده‌های بقا با Stan
• 89. مدل‌سازی شبکه‌های عصبی با Stan
• 90. مدل‌سازی یادگیری تقویتی با Stan
• 91. مدل‌سازی فرآیندهای تصادفی با Stan
• 92. مدل‌سازی مدل‌های پنهان مارکوف با Stan
• 93. مدل‌سازی مدل‌های گرافیکی با Stan
• 94. کاربرد هوش مصنوعی در مدل‌سازی آماری
• 95. مدل‌سازی و تحلیل داده‌های کلان (Big Data)
• 96. مقدمه‌ای بر مباحث نوین در مدل‌سازی آماری
• 97. پایان‌نامه و پروژه‌های کاربردی با Stan