دوره مدیریت همگرایی در اجرای Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدیریت همگرایی در اجرای Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه ای بر مدیریت همگرایی در اجرای Stan
• 2. مبانی همگرایی و اهمیت آن در مدل‌سازی آماری
• 3. مفاهیم کلیدی در فرآیند همگرایی
• 4. شناخت مدل‌های بیزی و نقش آن‌ها در Stan
• 5. مقدمه ای بر زبان برنامه‌نویسی Stan
• 6. ساختار کلی کد در Stan
• 7. نصب و راه‌اندازی Stan
• 8. محیط‌های توسعه یکپارچه برای Stan
• 9. آموزش گام به گام اجرای مدل‌های ساده در Stan
• 10. مدل‌سازی رگرسیون خطی با Stan
• 11. مدل‌سازی رگرسیون لجستیک با Stan
• 12. مدل‌سازی سری‌های زمانی با Stan
• 13. مدل‌سازی سلسله مراتبی با Stan
• 14. مقدمه ای بر مفاهیم احتمالاتی پیشرفته در Stan
• 15. توزیع‌های احتمالاتی رایج در Stan
• 16. توزیع‌های پیشین و پسین در مدل‌های بیزی
• 17. انتخاب توزیع‌های پیشین مناسب
• 18. روش‌های نمونه‌برداری مارکوف زنجیره مونت کارلو (MCMC)
• 19. الگوریتم‌های نمونه‌برداری در Stan (NUTS)
• 20. ارزیابی همگرایی مدل‌ها در Stan
• 21. معیارهای تشخیصی همگرایی (Rhat, Effective Sample Size)
• 22. روش‌های بصری برای ارزیابی همگرایی
• 23. عیب‌یابی مدل‌های همگرا نشده
• 24. بهینه‌سازی کد Stan برای افزایش سرعت اجرا
• 25. نکات کاربردی در نوشتن کد Stan
• 26. استفاده از توابع کمکی در Stan
• 27. مدیریت داده‌ها در Stan
• 28. انواع داده‌ها و ساختارهای داده‌ای در Stan
• 29. مقدمه ای بر پارامپرهای مدل
• 30. تفسیر پارامپرهای مدل در Stan
• 31. ارزیابی کیفیت برازش مدل
• 32. شاخص‌های اطلاعاتی (AIC, BIC)
• 33. اعتبار سنجی متقابل مدل‌ها
• 34. اعتبار سنجی مبتنی بر شبیه‌سازی
• 35. مقدمه ای بر مدل‌های پیچیده‌تر
• 36. مدل‌سازی اثرات مختلط
• 37. مدل‌سازی داده‌های طبقه‌بندی شده
• 38. مدل‌سازی داده‌های مکانی
• 39. مدل‌سازی داده‌های شبکه‌ای
• 40. مقدمه ای بر کاربردهای Stan در علوم مختلف
• 41. کاربرد Stan در اقتصاد و امور مالی (بدون ربا)
• 42. کاربرد Stan در علوم اجتماعی
• 43. کاربرد Stan در پزشکی و بهداشت (مطابق پروتکل‌ها)
• 44. کاربرد Stan در مهندسی
• 45. مقدمه ای بر بهینه‌سازی مدل‌ها
• 46. تکنیک‌های پیشرفته در کدنویسی Stan
• 47. استفاده از ماژول‌ها و کتابخانه‌ها در Stan
• 48. مقدمه ای بر توسعه مدل‌های سفارشی
• 49. نوشتن توابع سفارشی در Stan
• 50. مدیریت توابع توزیع سفارشی
• 51. مقدمه ای بر مقایسه مدل‌ها
• 52. روش‌های مقایسه مدل‌های بیزی
• 53. استفاده از اعتبار سنجی متقابل برای مقایسه
• 54. مقدمه ای بر شبیه‌سازی معکوس
• 55. شبیه‌سازی معکوس برای تخمین عدم قطعیت
• 56. کاربرد شبیه‌سازی معکوس در تصمیم‌گیری
• 57. مقدمه ای بر داده‌های بزرگ و Stan
• 58. مدیریت حافظه در Stan برای داده‌های بزرگ
• 59. تکنیک‌های موازی‌سازی در Stan
• 60. کاربرد Stan در تحلیل داده‌های حجیم
• 61. مقدمه ای بر اخلاق در علم داده
• 62. مسئولیت‌پذیری در مدل‌سازی آماری
• 63. شفافیت در گزارش‌دهی نتایج
• 64. حفظ حریم خصوصی داده‌ها
• 65. مقدمه ای بر آینده Stan و مدل‌سازی بیزی
• 66. روندهای جدید در نرم‌افزارهای مدل‌سازی آماری
• 67. توسعه‌های آتی در Stan
• 68. نقش مدل‌سازی بیزی در تحقیقات آینده
• 69. مقدمه ای بر مقدمات ریاضی برای مدل‌سازی بیزی
• 70. مفاهیم پایه جبر خطی
• 71. مفاهیم پایه حساب دیفرانسیل و انتگرال
• 72. مفاهیم پایه احتمالات
• 73. مقدمه ای بر آمار استنباطی
• 74. تخمین نقطه‌ای و فاصله‌ای
• 75. آزمون فرض آماری
• 76. مقدمه ای بر مفاهیم آماری کلاسیک
• 77. مدل‌های خطی تعمیم‌یافته (GLMs)
• 78. تحلیل واریانس (ANOVA)
• 79. رگرسیون چندگانه
• 80. مقدمه ای بر روش‌های نمونه‌برداری
• 81. نمونه‌گیری تصادفی ساده
• 82. نمونه‌گیری طبقه‌ای
• 83. نمونه‌گیری خوشه‌ای
• 84. مقدمه ای بر مفاهیم پیشرفته‌تر
• 85. فرآیندهای گوسی
• 86. شبکه‌های بیزی
• 87. یادگیری ماشین بیزی
• 88. مقدمه ای بر کاربرد عملی Stan
• 89. مطالعه موردی ۱: تحلیل داده‌های نظرسنجی
• 90. مطالعه موردی ۲: پیش‌بینی فروش
• 91. مطالعه موردی ۳: مدل‌سازی عوامل خطر بیماری
• 92. مطالعه موردی ۴: تحلیل داده‌های آزمایشگاهی
• 93. مطالعه موردی ۵: ارزیابی اثربخشی مداخلات
• 94. مقدمه ای بر ارزیابی و اعتبارسنجی مدل‌ها
• 95. تکنیک‌های پیشرفته اعتبارسنجی
• 96. مدل‌سازی عدم قطعیت در پیش‌بینی‌ها
• 97. مقدمه ای بر مدیریت پروژه‌های مدل‌سازی
• 98. برنامه‌ریزی و زمان‌بندی پروژه‌ها
• 99. مدیریت ریسک در پروژه‌های مدل‌سازی
• 100. ارتباط با ذینفعان