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. مقدمات آماری برای مدل‌سازی بیزی
• 2. مفاهیم پایه احتمال و آمار
• 3. توزیع‌های احتمال گسسته و پیوسته
• 4. توزیع‌های نرمال، گاما، بتا و بتا-دوجمله‌ای
• 5. آمار استنباطی و برآورد پارامترها
• 6. مفهوم درست‌نمایی و برآورد حداکثر درست‌نمایی
• 7. مقدمه‌ای بر مدل‌سازی بیزی
• 8. قضیه بیز و تفسیر احتمالات بیزی
• 9. توزیع پیشین، پیشین مشترک و توزیع پسین
• 10. برآورد پارامترها در رویکرد بیزی
• 11. روش‌های نمونه‌گیری مارکوف چین مونت کارلو (MCMC)
• 12. مقدمه‌ای بر زبان برنامه‌نویسی Stan
• 13. ساختار کلی کد Stan
• 14. تعریف مدل‌ها در Stan
• 15. توابع و عملیات پایه در Stan
• 16. کار با بردارها و ماتریس‌ها در Stan
• 17. توزیع‌های پیشین استاندارد در Stan
• 18. تعریف متغیرهای تصادفی و مشاهده‌شده
• 19. تنظیمات اولیه برای اجرای مدل در Stan
• 20. استفاده از داده‌های ورودی در Stan
• 21. خروجی‌های Stan: پارامترهای پسین و آماره‌های توصیفی
• 22. ارزیابی همگرایی زنجیره‌های MCMC
• 23. شاخص‌های R-hat و نمودارهایtrace
• 24. تحلیل پسین پارامترها
• 25. تجسم نتایج مدل‌های بیزی
• 26. بررسی برازش مدل (Model Fit)
• 27. تست‌های برازش مدل (Goodness-of-fit tests)
• 28. مقایسه مدل‌ها با استفاده از معیارهای اطلاعاتی
• 29. معیار اطلاعاتی آکائیک (AIC) وBIC
• 30. معیار اطلاعاتی کریتریون بیز (BIC)
• 31. معیار اطلاعاتی کریتریون بیز اصلاح‌شده (pBIC)
• 32. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLMs)
• 33. مدل رگرسیون خطی بیزی
• 34. مدل رگرسیون لجستیک بیزی
• 35. مدل رگرسیون پواسون بیزی
• 36. مدل‌های رگرسیون پروبیت بیزی
• 37. کاربرد GLMs در حوزه‌های مختلف
• 38. مدل‌سازی سری‌های زمانی بیزی
• 39. مقدمه‌ای بر مدل‌های سری زمانی
• 40. مدل‌های ARIMA بیزی
• 41. مدل‌های حالت فضا (State-space models)
• 42. مدل‌های نوسان (GARCH) بیزی
• 43. مدل‌سازی داده‌های مکانی بیزی
• 44. مقدمه‌ای بر مدل‌های مکانی
• 45. مدل‌های خودرگرسیونی مکانی (CAR)
• 46. مدل‌های خودهمبستگی مکانی (SAR)
• 47. تحلیل داده‌های مکانی با Stan
• 48. مدل‌سازی سلسله مراتبی بیزی
• 49. مفهوم مدل‌های سلسله مراتبی
• 50. پیاده‌سازی مدل‌های سلسله مراتبی در Stan
• 51. کاربرد مدل‌های سلسله مراتبی در علوم اجتماعی
• 52. کاربرد مدل‌های سلسله مراتبی در پزشکی
• 53. مدل‌های یادگیری ماشین بیزی
• 54. مقدمه‌ای بر یادگیری ماشین بیزی
• 55. طبقه‌بندی بیزی (Bayesian Classification)
• 56. رگرسیون بیزی (Bayesian Regression)
• 57. خوشه‌بندی بیزی (Bayesian Clustering)
• 58. شبکه‌های بیزی (Bayesian Networks)
• 59. مقدمه‌ای بر شبکه‌های بیزی
• 60. ساخت و استنتاج در شبکه‌های بیزی
• 61. کاربرد شبکه‌های بیزی در هوش مصنوعی
• 62. کاربرد شبکه‌های بیزی در پزشکی
• 63. مدل‌سازی اقتباس (Hierarchical Models) در Stan
• 64. مدل‌های اثرات مختلط (Mixed-effects models)
• 65. مدل‌های چندسطحی (Multilevel models)
• 66. پیاده‌سازی مدل‌های اقتباس در Stan
• 67. بهینه‌سازی کد Stan
• 68. تکنیک‌های پیشرفته در Stan
• 69. استفاده از دستورات پیشرفته Stan
• 70. کار با رابط‌های کاربری Stan (R, Python)
• 71. اشکال‌زدایی (Debugging) در Stan
• 72. مدل‌های پنهان مارکوف (HMMs) در Stan
• 73. مقدمه‌ای بر مدل‌های پنهان مارکوف
• 74. پیاده‌سازی HMMs در Stan
• 75. کاربرد HMMs در پردازش سیگنال
• 76. کاربرد HMMs در زیست‌شناسی محاسباتی
• 77. مدل‌سازی بقا (Survival Analysis) بیزی
• 78. مقدمه‌ای بر مدل‌سازی بقا
• 79. مدل کاکس بیزی
• 80. مدل‌های پارامتری بقا در Stan
• 81. تحلیل داده‌های بقا با Stan
• 82. مدل‌سازی توزیع‌های ترکیبی (Mixture Models) در Stan
• 83. مقدمه‌ای بر توزیع‌های ترکیبی
• 84. مدل‌های ترکیبی نرمال
• 85. مدل‌های ترکیبی گاما
• 86. کاربرد توزیع‌های ترکیبی در Stan
• 87. مدل‌سازی پیش‌بینی (Forecasting) با Stan
• 88. تکنیک‌های پیش‌بینی بیزی
• 89. ارزیابی عملکرد مدل‌های پیش‌بینی
• 90. کاربرد پیش‌بینی در اقتصاد و کسب‌وکار
• 91. مباحث پیشرفته در مدل‌سازی بیزی
• 92. مباحث نوظهور در مدل‌سازی بیزی
• 93. مطالعات موردی پیشرفته در Stan
• 94. کاربرد Stan در پژوهش‌های علمی
• 95. توسعه مدل‌های سفارشی در Stan
• 96. تکنیک‌های نمونه‌گیری پیشرفته (NUTS, HMC)
• 97. بهبود کارایی نمونه‌گیری در Stan
• 98. مدیریت داده‌های بزرگ در Stan
• 99. مدل‌سازی عدم قطعیت در Stan
• 100. تفسیر نتایج عدم قطعیت