دوره تنظیمات پیشرفته for Modeling in Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیمات پیشرفته for Modeling in Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی آماری در ایران
• 2. مفاهیم پایه‌ای مدل‌سازی بیزی
• 3. نصب و راه‌اندازی نرم‌افزار Stan
• 4. آشنایی با زبان برنامه‌نویسی Stan (Stan Language)
• 5. ساختار کلی برنامه‌های Stan
• 6. تعریف مدل‌های خطی ساده در Stan
• 7. تخمین پارامترها با روش‌های بیزی
• 8. مفهوم توزیع پیشین (Prior Distribution)
• 9. انتخاب توزیع پیشین مناسب
• 10. توزیع‌های پیشین رایج (نرمال، نیم-نرمال، یونیفورم)
• 11. توزیع پسین (Posterior Distribution)
• 12. روش‌های نمونه‌برداری مارکوف چین مونت کارلو (MCMC)
• 13. الگوریتم گیبز (Gibbs Sampling)
• 14. الگوریتم هَستینگ-متروپولیس (Metropolis-Hastings)
• 15. الگوریتم نمونه‌بردار NUTS (No-U-Turn Sampler)
• 16. ارزیابی همگرایی زنجیره‌ها (Convergence Diagnostics)
• 17. معیار R-hat (Gelman-Rubin Statistic)
• 18. نمودارهای Trace Plot
• 19. نمودارهای Autocorrelation Plot
• 20. نمایش نتایج مدل (خلاصه‌های آماری)
• 21. میانگین، میانه، و انحراف معیار پسین
• 22. بازه اطمینان پسین (Credible Interval)
• 23. تجسم نتایج مدل (Visualizing Results)
• 24. نمودار هیستوگرام توزیع پسین
• 25. نمودار پراکندگی پارامترها
• 26. مدل‌های خطی تعمیم‌یافته (GLMs) در Stan
• 27. مدل‌های رگرسیون لجستیک (Logistic Regression)
• 28. مدل‌های رگرسیون پواسون (Poisson Regression)
• 29. مدل‌های رگرسیون برنولی (Bernoulli Regression)
• 30. مدل‌سازی داده‌های شمارشی
• 31. مدل‌سازی داده‌های دودویی
• 32. مدل‌سازی داده‌های پیوسته
• 33. مدل‌های سلسله‌مراتبی (Hierarchical Models)
• 34. مفهوم اثرات تصادفی (Random Effects)
• 35. مدل‌های سلسله‌مراتبی در Stan
• 36. تخمین پارامترهای سطوح مختلف
• 37. مدل‌سازی برای داده‌های خوشه‌ای (Clustered Data)
• 38. مدل‌سازی برای داده‌های طولی (Longitudinal Data)
• 39. مقدمه‌ای بر مدل‌های خطای سری زمانی
• 40. مدل‌های ARIMA در Stan (محدودیت‌ها و رویکردها)
• 41. مدل‌سازی داده‌های زمانی با رویکرد بیزی
• 42. ملاحظات خاص در مدل‌سازی سری زمانی در ایران
• 43. مدل‌سازی داده‌های مکانی (Spatial Data)
• 44. مفاهیم پایه آمار فضایی
• 45. مدل‌سازی داده‌های مکانی در Stan
• 46. ملاحظات خاص در مدل‌سازی مکانی در ایران
• 47. مدل‌سازی با داده‌های گمشده (Missing Data)
• 48. روش‌های جایگزینی داده‌های گمشده
• 49. مدل‌سازی داده‌های گمشده در Stan
• 50. مدل‌سازی با استفاده از توزیع‌های ترکیبی (Mixture Models)
• 51. کاربرد توزیع‌های ترکیبی در طبقه‌بندی
• 52. مدل‌سازی با توزیع‌های ترکیبی در Stan
• 53. مقدمه‌ای بر مدل‌های علّی (Causal Inference)
• 54. روش‌های تخمین اثرات علّی
• 55. مدل‌سازی علّی در چارچوب Stan (با احتیاط)
• 56. ملاحظات اخلاقی در مدل‌سازی آماری
• 57. حفظ حریم خصوصی داده‌ها
• 58. شفافیت در گزارش‌دهی مدل‌ها
• 59. ارزیابی صحت و دقت مدل‌ها
• 60. اعتبارسنجی متقابل (Cross-Validation)
• 61. اعتبارسنجی درونی (Internal Validation)
• 62. اعتبارسنجی بیرونی (External Validation)
• 63. مدل‌سازی پیش‌بینانه (Predictive Modeling)
• 64. ارزیابی عملکرد مدل‌های پیش‌بینانه
• 65. کاربرد مدل‌سازی پیش‌بینانه در حوزه‌های مختلف
• 66. بهینه‌سازی مدل‌ها با استفاده از Stan
• 67. تنظیم ابرپارامترها (Hyperparameter Tuning)
• 68. استفاده از Stan برای بهینه‌سازی
• 69. مقدمه‌ای بر شبکه‌های عصبی بیزی (Bayesian Neural Networks)
• 70. پیاده‌سازی شبکه‌های عصبی در Stan
• 71. کاربرد شبکه‌های عصبی بیزی
• 72. مقدمه‌ای بر مدل‌های آماری برای داده‌های حجیم (Big Data)
• 73. چالش‌های مدل‌سازی داده‌های حجیم
• 74. استفاده از Stan در پروژه‌های داده‌های حجیم
• 75. مدل‌سازی پدیده‌های پیچیده اجتماعی در ایران
• 76. مدل‌سازی اقتصادی با رویکرد بیزی
• 77. مدل‌سازی سلامت و بهداشت با رویکرد بیزی
• 78. مدل‌سازی آموزشی با رویکرد بیزی
• 79. کاربرد مدل‌سازی در تحلیل داده‌های نظرسنجی
• 80. تحلیل داده‌های شبکه‌های اجتماعی (با رعایت قوانین)
• 81. مدل‌سازی رفتار مصرف‌کننده (در چارچوب مقررات)
• 82. مدل‌سازی فرآیندهای مهاجرت (با رویکرد رسمی)
• 83. مدل‌سازی ریسک در بیمه (مطابق قوانین)
• 84. مدل‌سازی سرمایه‌گذاری (مطابق مقررات بانکی)
• 85. مدل‌سازی در علوم زیستی (با رعایت پروتکل‌ها)
• 86. مدل‌سازی در مهندسی (مطابق استانداردها)
• 87. تفسیر نتایج مدل‌های پیچیده
• 88. ارتباط نتایج مدل با دنیای واقعی
• 89. انتقال دانش مدل‌سازی به دیگران
• 90. کاربرد Stan در تحقیقات دانشگاهی
• 91. کاربرد Stan در پروژه‌های صنعتی
• 92. آینده مدل‌سازی آماری در ایران
• 93. نکات پیشرفته در برنامه‌نویسی Stan
• 94. بهینه‌سازی کد Stan برای سرعت
• 95. مدیریت خطاها در برنامه‌های Stan
• 96. اشکال‌زدایی (Debugging) مدل‌های Stan
• 97. مقدمه‌ای بر زبان‌های دیگر مدل‌سازی (R, Python)
• 98. مقایسه Stan با سایر نرم‌افزارهای مدل‌سازی
• 99. مدل‌سازی بیزی در چارچوب اقتصاد مقاومتی
• 100. مدل‌سازی در حوزه فرهنگ و هنر (با رویکرد اسلامی)