دوره مخاطرات و تنظیمات اساسی در Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مخاطرات و تنظیمات اساسی 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 Stan
• 2. مفاهیم اولیه مدل‌سازی آماری
• 3. توزیع‌های احتمالاتی گسسته در Stan
• 4. توزیع‌های احتمالاتی پیوسته در Stan
• 5. توزیع نرمال و کاربردهای آن
• 6. توزیع t استیودنت و مقایسه با نرمال
• 7. توزیع کاشی و کاربردهای آن
• 8. توزیع گاما و کاربردهای آن
• 9. توزیع بتا و کاربردهای آن
• 10. توزیع چندجمله‌ای و کاربردهای آن
• 11. نحوه تعریف متغیرها در Stan
• 12. انواع داده‌ها در Stan (اعداد، بردارها، ماتریس‌ها)
• 13. دستورات شرطی در Stan (if, else)
• 14. حلقه‌های تکرار در Stan (for, while)
• 15. توابع در Stan (تعریف و فراخوانی)
• 16. مقدمه‌ای بر مفاهیم بیزی
• 17. انتخاب پیشین‌های مناسب در مدل‌های بیزی
• 18. مقدمه‌ای بر مدل‌های خطی عمومی
• 19. مدل رگرسیون خطی در Stan
• 20. تفسیر پارامترهای مدل رگرسیون خطی
• 21. ارزیابی برازش مدل رگرسیون خطی
• 22. مدل رگرسیون لجستیک در Stan
• 23. تفسیر پارامترهای مدل رگرسیون لجستیک
• 24. مدل رگرسیون پواسون در Stan
• 25. تفسیر پارامترهای مدل رگرسیون پواسون
• 26. مدل رگرسیون ناگام (Negative Binomial) در Stan
• 27. مدل‌های سلسله مراتبی (Hierarchical Models)
• 28. مزایای مدل‌های سلسله مراتبی
• 29. پیاده‌سازی مدل‌های سلسله مراتبی در Stan
• 30. مدل اثرات تصادفی (Random Effects Models)
• 31. مدل اثرات ثابت (Fixed Effects Models)
• 32. مدل‌های مختلط (Mixed Effects Models)
• 33. مدل‌سازی داده‌های سری زمانی در Stan
• 34. مدل ARIMA در Stan
• 35. مدل‌های فضا-حالت (State-Space Models)
• 36. پیاده‌سازی مدل‌های فضا-حالت در Stan
• 37. مدل‌سازی داده‌های مکانی در Stan
• 38. مقدمه‌ای بر زنجیره‌های مارکوف مونت کارلو (MCMC)
• 39. الگوریتم گیبس (Gibbs Sampling)
• 40. الگوریتم هَملتونی مونت کارلو (Hamiltonian Monte Carlo)
• 41. الگوریتم نمونه‌برداری متغیرهای پنهان (NUTS)
• 42. تشخیص همگرایی زنجیره‌های MCMC
• 43. معیارهای ارزیابی همگرایی (R-hat, ESS)
• 44. تجسم نتایج MCMC
• 45. تفسیر توزیع‌های پسین (Posterior Distributions)
• 46. محاسبه فواصل اطمینان بیزی (Credible Intervals)
• 47. مقایسه مدل‌ها با استفاده از معیارهای بیزی
• 48. مدل‌های خطی تعمیم‌یافته (Generalized Linear Models)
• 49. مدل‌های خطی تعمیم‌یافته مختلط (Generalized Linear Mixed Models)
• 50. مدل‌سازی بقا (Survival Analysis) در Stan
• 51. مدل کاکس (Cox Proportional Hazards Model)
• 52. مدل‌های یادگیری ماشین در Stan
• 53. شبکه‌های عصبی در Stan
• 54. مدل‌های بیزین در یادگیری ماشین
• 55. کاربرد Stan در علوم داده
• 56. کاربرد Stan در اقتصادسنجی
• 57. کاربرد Stan در زیست‌شناسی محاسباتی
• 58. کاربرد Stan در علوم اجتماعی
• 59. کاربرد Stan در مهندسی
• 60. ساخت مدل‌های سفارشی در Stan
• 61. بهینه‌سازی مدل‌های Stan
• 62. عیب‌یابی و رفع خطا در Stan
• 63. اصول کدنویسی تمیز در Stan
• 64. مستندسازی کد Stan
• 65. مدیریت داده‌ها برای مدل‌سازی در Stan
• 66. پاکسازی و پیش‌پردازش داده‌ها
• 67. تجسم اکتشافی داده‌ها
• 68. انتخاب ویژگی‌ها (Feature Selection)
• 69. مهندسی ویژگی‌ها (Feature Engineering)
• 70. ارزیابی مدل‌های پیش‌بینی‌کننده
• 71. تکنیک‌های اعتبارسنجی متقابل (Cross-Validation)
• 72. تفسیر نتایج مدل‌های پیچیده
• 73. ارتباط با سایر زبان‌های برنامه‌نویسی (R, Python)
• 74. استفاده از Stan از طریق R (rstan)
• 75. استفاده از Stan از طریق Python (pystan)
• 76. مدیریت بسته و محیط کاربری
• 77. مقدمه‌ای بر مفاهیم بهینه‌سازی
• 78. بهینه‌سازی خطی در Stan
• 79. بهینه‌سازی غیرخطی در Stan
• 80. بهینه‌سازی مقید در Stan
• 81. کاربرد بهینه‌سازی در مسائل اقتصادی
• 82. کاربرد بهینه‌سازی در مسائل مهندسی
• 83. مقدمه‌ای بر شبکه‌های بیزین
• 84. ساخت شبکه‌های بیزین در Stan
• 85. استنتاج در شبکه‌های بیزین
• 86. مدل‌سازی علّی در Stan
• 87. مقدمه‌ای بر یادگیری تقویتی
• 88. مدل‌سازی عوامل در Stan
• 89. کاربرد Stan در شبیه‌سازی‌های پیچیده
• 90. طراحی آزمایش‌ها با استفاده از Stan
• 91. تحلیل حساسیت مدل‌ها
• 92. مقدمه‌ای بر اخلاق در علم داده
• 93. مسئولیت‌پذیری در مدل‌سازی بیزی
• 94. شفافیت در مدل‌سازی
• 95. کاربرد Stan در پژوهش‌های علمی
• 96. ملاحظات امنیتی در پردازش داده‌ها
• 97. مقدمه‌ای بر هوش مصنوعی
• 98. کاربرد Stan در توسعه سیستم‌های هوشمند
• 99. مبانی برنامه‌نویسی تابعی در Stan
• 100. مدیریت حافظه و کارایی در Stan