دوره تکنیک‌های اعتبارسنجی نتایج در Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تکنیک‌های اعتبارسنجی نتایج در 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 محیط توسعه
• 3. زبان مدل‌سازی Stan: یک نمای کلی
• 4. انواع داده‌ها و ساختارهای داده در Stan
• 5. توابع و عملگرها در Stan
• 6. مدل‌های خطی ساده در Stan
• 7. تخمین پارامترهای مدل خطی
• 8. مدل‌های خطی تعمیم‌یافته (GLM) در Stan
• 9. مدل‌های رگرسیون لجستیک با Stan
• 10. مدل‌های سلسله‌مراتبی (Hierarchical Models) در Stan
• 11. مقدمه‌ای بر زنجیره‌های مارکوف مونت کارلو (MCMC)
• 12. الگوریتم‌های نمونه‌برداری MCMC در Stan: NUTS
• 13. تشخیص همگرایی زنجیره‌های MCMC
• 14. ارزیابی کیفیت نمونه‌برداری MCMC
• 15. پیش‌بینی پسین (Posterior Predictive Checks)
• 16. اعتبارسنجی مدل با استفاده از داده‌های جدید
• 17. مقایسه مدل‌ها با استفاده از معیار اطلاعات بایزی (BIC)
• 18. مدل‌های با متغیرهای پنهان در Stan
• 19. مدل‌سازی عدم قطعیت در Stan
• 20. مدل‌سازی داده‌های از دست رفته (Missing Data) در Stan
• 21. مدل‌سازی داده‌های سانسور شده (Censored Data) در Stan
• 22. مدل‌سازی داده‌های ترتیبی (Ordinal Data) در Stan
• 23. استفاده از Stan برای تحلیل سری‌های زمانی
• 24. مدل‌های تغییر رژیم (Regime-Switching Models) در Stan
• 25. مدل‌سازی مدل‌های بقا (Survival Models) با Stan
• 26. مدل‌های بیزی غیرپارامتری در Stan
• 27. استفاده از Stan برای بهینه‌سازی توابع
• 28. اعتبارسنجی مدل با استفاده از روش‌های بوت‌استرپ
• 29. مدل‌سازی با داده‌های پیچیده و چندمتغیره
• 30. کاربرد Stan در مسائل مالی
• 31. مدل‌سازی ریسک اعتباری با Stan
• 32. مدل‌سازی قیمت‌گذاری دارایی‌ها با Stan
• 33. کاربرد Stan در علوم زیستی
• 34. مدل‌سازی ژنتیک با Stan
• 35. مدل‌سازی اپیدمیولوژی با Stan
• 36. کاربرد Stan در علوم اجتماعی
• 37. مدل‌سازی رفتار مصرف‌کننده با Stan
• 38. مدل‌سازی نظرسنجی‌ها با Stan
• 39. مدل‌سازی تصاویر با Stan
• 40. مدل‌سازی پردازش زبان طبیعی با Stan
• 41. بهینه‌سازی عملکرد Stan: راهنمایی‌ها و ترفندها
• 42. استفاده از Stan با زبان‌های برنامه‌نویسی دیگر (R, Python)
• 43. اشتباهات رایج در مدل‌سازی Stan و نحوه رفع آن‌ها
• 44. مستندسازی و اشتراک‌گذاری مدل‌های Stan
• 45. توسعه مدل‌های Stan سفارشی
• 46. اعتبارسنجی مدل با داده‌های شبیه‌سازی شده
• 47. حساسیت مدل به پارامترهای پیشین
• 48. استفاده از توابع توزیع احتمال سفارشی در Stan
• 49. مدل‌سازی روابط علت و معلولی با Stan
• 50. مدل‌های بیزی پویا (Dynamic Bayesian Models) در Stan
• 51. اعتبارسنجی مدل با استفاده از داده‌های خارجی
• 52. مدل‌سازی داده‌های مکانی با Stan
• 53. مدل‌سازی داده‌های زمانی-مکانی با Stan
• 54. بررسی و تحلیل نتایج Stan در محیط‌های مختلف
• 55. استفاده از Stan Cloud برای محاسبات سنگین
• 56. بهبود سرعت و کارایی مدل‌های Stan
• 57. مقایسه Stan با سایر نرم‌افزارهای مدل‌سازی آماری
• 58. برنامه‌ریزی و مدیریت پروژه‌های مدل‌سازی با Stan
• 59. مقدمه‌ای بر مدل‌سازی Bayesian Network با Stan
• 60. استفاده از Stan برای تحلیل داده‌های بزرگ
• 61. اعتبارسنجی مدل با استفاده از cross-validation
• 62. مدل‌سازی با داده‌های نامتوازن (Imbalanced Data) در Stan
• 63. مدل‌سازی داده‌های پنلی (Panel Data) با Stan
• 64. مدل‌سازی داده‌های longitudinal با Stan
• 65. روش‌های ارزیابی دقت پیش‌بینی در Stan
• 66. تفسیر نتایج مدل‌های Stan برای مخاطبان غیرمتخصص
• 67. مدل‌سازی با استفاده از داده‌های پراکنده (Sparse Data) در Stan
• 68. اعتبارسنجی مدل با استفاده از تحلیل حساسیت
• 69. مدل‌سازی با استفاده از توابع پیوند (Link Functions) در Stan
• 70. ارائه نتایج مدل‌های Stan در قالب گزارش‌های قابل فهم
• 71. مدل‌سازی با استفاده از محدودیت‌ها (Constraints) در Stan
• 72. اعتبارسنجی مدل با استفاده از تحلیل بقا