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 بیزی
• 2. مفاهیم پایه احتمال و توزیع‌های آماری
• 3. آشنایی با زبان برنامه‌نویسی Stan
• 4. نصب و راه‌اندازی Stan و ابزارهای مرتبط
• 5. ساختار یک مدل Stan: بخش داده‌ها
• 6. ساختار یک مدل Stan: بخش پارامترها
• 7. ساختار یک مدل Stan: بخش مدل
• 8. ساختار یک مدل Stan: بخش تبدیل‌ها
• 9. ساختار یک مدل Stan: بخش نمونه‌برداری
• 10. توابع توزیع احتمال در Stan
• 11. توابع تبدیل در Stan
• 12. آشنایی با الگوریتم‌های نمونه‌برداری MCMC
• 13. تشخیص همگرایی زنجیره‌های MCMC
• 14. ارزیابی مدل با استفاده از R و Stan
• 15. ارزیابی مدل با استفاده از Python و Stan
• 16. مدل‌سازی رگرسیون خطی با Stan
• 17. مدل‌سازی رگرسیون لجستیک با Stan
• 18. مدل‌سازی واریانس‌های تصادفی با Stan
• 19. مدل‌سازی مدل‌های سلسله مراتبی با Stan
• 20. مدل‌سازی مدل‌های تعمیم‌یافته خطی با Stan
• 21. مدل‌سازی مدل‌های بقا با Stan
• 22. مدل‌سازی سری‌های زمانی با Stan
• 23. مدل‌سازی داده‌های گسسته با Stan
• 24. مدل‌سازی داده‌های شمارشی با Stan
• 25. مدل‌سازی داده‌های ترتیبی با Stan
• 26. مدل‌سازی مدل‌های پنهان مارکوف با Stan
• 27. مدل‌سازی مدل‌های مخلوط گاوسی با Stan
• 28. مدل‌سازی مدل‌های فاکتوری با Stan
• 29. بررسی اثرات متغیرهای گمشده (Missing Data) در مدل‌سازی
• 30. روش‌های برخورد با داده‌های پرت (Outlier) در مدل‌سازی
• 31. بررسی حساسیت مدل به پیشین‌ها (Prior Sensitivity)
• 32. اعتبارسنجی مدل با استفاده از داده‌های جدید
• 33. مقایسه مدل‌ها با استفاده از معیارهای اطلاعاتی (DIC, WAIC, LOO)
• 34. تفسیر نتایج مدل‌سازی در Stan
• 35. تحلیل عدم قطعیت در مدل‌سازی آماری
• 36. پیش‌بینی با استفاده از مدل‌های Stan
• 37. ارائه نتایج مدل‌سازی به صورت گرافیکی
• 38. مستندسازی مدل‌های Stan
• 39. بهینه‌سازی کد Stan برای افزایش سرعت
• 40. استفاده از Stan برای مدل‌سازی داده‌های بزرگ
• 41. مدل‌سازی با Stan در محیط‌های محاسباتی ابری
• 42. بررسی کاربردهای Stan در علوم مختلف (بیولوژی، اقتصاد، روانشناسی و ...)
• 43. روش‌های عیب‌یابی (Debugging) مدل‌های Stan
• 44. آشنایی با بسته‌های کمکی Stan (e.g., brms, rstanarm)
• 45. مدل‌سازی Bayesian A/B Testing با Stan
• 46. مدل‌سازی Bayesian در علوم پزشکی
• 47. مدل‌سازی Bayesian در علوم مالی
• 48. مدل‌سازی Bayesian در علوم اجتماعی
• 49. استفاده از Stan برای تحلیل داده‌های مکانی
• 50. استفاده از Stan برای تحلیل داده‌های طولی
• 51. مدل‌سازی مدل‌های چند متغیره با Stan
• 52. مدل‌سازی مدل‌های غیرپارامتری با Stan
• 53. آشنایی با روش‌های تقریب بیزی در Stan
• 54. تکنیک‌های افزایش کارایی MCMC در Stan
• 55. بررسی محدودیت‌های Stan و راهکارهای مقابله با آن‌ها
• 56. نوشتن توابع سفارشی در Stan
• 57. استفاده از Stan برای حل مسائل بهینه‌سازی
• 58. مقایسه Stan با سایر نرم‌افزارهای مدل‌سازی بیزی
• 59. آینده Stan و توسعه‌های آن