دوره تکنیک‌های ارزیابی مدل با Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تکنیک‌های ارزیابی مدل با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی آماری با Stan
• 2. نصب و راه‌اندازی Stan و محیط‌های توسعه
• 3. زبان مدل‌سازی Stan: مفاهیم پایه
• 4. انواع داده‌ها و توابع در Stan
• 5. تعریف مدل‌های آماری ساده در Stan
• 6. توزیعه‌های احتمال در Stan: یک نمای کلی
• 7. توزیع نرمال و کاربردهای آن
• 8. توزیع‌های گسسته در Stan: برنولی و پواسون
• 9. نمونه‌برداری از توزیع‌های پسین با Stan
• 10. روش‌های نمونه‌برداری: MCMC و Variational Inference
• 11. ارزیابی مدل با Stan: آمار توصیفی
• 12. فاصله‌های اطمینان و بازه‌های قابل اعتماد
• 13. آزمون فرضیه در Stan
• 14. مدل‌های خطی در Stan: رگرسیون ساده
• 15. مدل‌های خطی تعمیم‌یافته در Stan
• 16. مدل‌های رگرسیونی لجستیک
• 17. مدل‌های سلسله مراتبی در Stan
• 18. مدل‌سازی اثرات تصادفی
• 19. مدل‌های مخلوط در Stan
• 20. مدل‌های Bayesian Nonparametric
• 21. شناسایی و رفع مشکلات همگرایی در Stan
• 22. تشخیص مشکلات نمونه‌برداری
• 23. بهینه‌سازی کد Stan برای کارایی بیشتر
• 24. استفاده از Stan با R
• 25. استفاده از Stan با Python
• 26. ادغام Stan با سایر زبان‌های برنامه‌نویسی
• 27. مدل‌سازی سری‌های زمانی با Stan
• 28. مدل‌سازی بقا با Stan
• 29. مدل‌سازی داده‌های گمشده با Stan
• 30. مدل‌سازی داده‌های فضایی با Stan
• 31. مدل‌های بیزی برای یادگیری ماشین
• 32. مدل‌های بیزی برای پردازش زبان طبیعی
• 33. مدل‌سازی Bayesian در علوم اجتماعی
• 34. مدل‌سازی Bayesian در علوم زیستی
• 35. مدل‌سازی Bayesian در اقتصادسنجی
• 36. کاربرد Stan در کنترل کیفیت
• 37. کاربرد Stan در پیش‌بینی مالی
• 38. کاربرد Stan در تحلیل ریسک
• 39. ارزیابی مدل‌های پیچیده با Stan
• 40. مدل‌سازی چندمتغیره با Stan
• 41. مدل‌سازی مدل‌های غیرخطی با Stan
• 42. استفاده از priorهای Informative در Stan
• 43. انتخاب prior مناسب برای مدل شما
• 44. تفسیر نتایج Stan به درستی
• 45. نوشتن گزارش‌های نتایج مدل‌سازی Stan
• 46. بهینه‌سازی پارامترهای Stan برای بهبود عملکرد
• 47. استفاده از Stan برای مدل‌سازی Bayesian در مقیاس بزرگ
• 48. روش‌های موازی‌سازی در Stan
• 49. تکنیک‌های کاهش خطا در Stan
• 50. مدل‌سازی Bayesian با داده‌های نامتعادل
• 51. مدل‌سازی Bayesian با داده‌های پرت
• 52. مدل‌سازی Bayesian با داده‌های چندحالته
• 53. مفاهیم پیشرفته در Stan: Hamiltonian Monte Carlo
• 54. مفاهیم پیشرفته در Stan: No-U-Turn Sampler
• 55. مفاهیم پیشرفته در Stan: Automatic Differentiation
• 56. مفاهیم پیشرفته در Stan: Stan Math Library
• 57. مدل‌سازی Bayesian در حضور داده‌های سانسورشده
• 58. مدل‌سازی Bayesian برای داده‌های شمارشی
• 59. مدل‌سازی Bayesian برای داده‌های مقیاس Ordinal
• 60. مدل‌سازی Bayesian برای داده‌های پانل
• 61. مدل‌سازی Bayesian برای داده‌های طول عمر
• 62. مدل‌سازی Bayesian برای داده‌های شبکه
• 63. مدل‌سازی Bayesian در علوم پزشکی
• 64. مدل‌سازی Bayesian در مهندسی
• 65. مدل‌سازی Bayesian در علوم محیط زیست
• 66. مقدمه‌ای بر Stan Diagnostics
• 67. بررسی Stan Cmdstan
• 68. استفاده از Stan برای اعتبارسنجی متقابل مدل
• 69. پیاده‌سازی مدل‌های Bayesian در محیط‌های ابری با Stan