دوره رفع مشکلات رایج در مدل‌سازی با Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره رفع مشکلات رایج در مدل‌سازی 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. ساختار یک مدل Stan: داده‌ها، پارامترها، و مدل
• 4. زبان مدل‌سازی Stan: سینتکس و قواعد
• 5. توابع توزیع احتمال در Stan
• 6. مدل‌های خطی در Stan: رگرسیون ساده
• 7. مدل‌های خطی تعمیم‌یافته در Stan
• 8. رگرسیون لجستیک با Stan
• 9. مدل‌های سلسله‌مراتبی (Hierarchical Models) در Stan
• 10. تخمین پارامترها در Stan: MCMC و الگوریتم‌های نمونه‌برداری
• 11. ارزیابی همگرایی زنجیره‌های MCMC
• 12. تحلیل حساسیت مدل در Stan
• 13. پیش‌بینی و اعتبارسنجی مدل
• 14. مدل‌سازی با داده‌های گمشده (Missing Data) در Stan
• 15. مدل‌سازی داده‌های زمانی (Time Series Data) در Stan
• 16. مدل‌سازی داده‌های مکانی (Spatial Data) در Stan
• 17. مدل‌های ترکیبی (Mixture Models) در Stan
• 18. مدل‌های بقا (Survival Analysis) با Stan
• 19. مدل‌سازی با متغیرهای تصادفی گسسته
• 20. مدل‌سازی با متغیرهای تصادفی پیوسته
• 21. بهینه‌سازی مدل با Stan
• 22. مقایسه مدل‌ها: معیارهای اطلاعات (Information Criteria)
• 23. اعتبارسنجی متقابل (Cross-Validation) در Stan
• 24. مدل‌سازی Bayesian Nonparametric در Stan
• 25. استفاده از Stan با زبان‌های برنامه‌نویسی R و Python
• 26. خطایابی و رفع اشکال در مدل‌های Stan
• 27. بهبود کارایی محاسباتی مدل‌های Stan
• 28. مدل‌سازی داده‌های چندمتغیره (Multivariate Data)
• 29. مدل‌سازی داده‌های پانل (Panel Data) در Stan
• 30. استفاده از priorهای informative در Stan
• 31. انتخاب priorهای مناسب در Stan
• 32. مدل‌سازی Bayesian برای داده‌های شمارشی
• 33. مدل‌سازی Bayesian برای داده‌های ترتیبی
• 34. مدل‌سازی Bayesian برای داده‌های censored
• 35. مدل‌سازی Bayesian برای داده‌های truncated
• 36. مدل‌سازی Bayesian در حضور outliers
• 37. تفسیر نتایج مدل‌های Stan
• 38. ارائه نتایج مدل‌های Stan
• 39. مستندسازی مدل‌های Stan
• 40. بهبود خوانایی و قابلیت نگهداری کد Stan
• 41. استفاده از Stan برای شبیه‌سازی داده‌ها
• 42. مدل‌سازی Bayesian برای داده‌های شبکه (Network Data)
• 43. مدل‌سازی Bayesian برای داده‌های تصویر (Image Data)
• 44. مدل‌سازی Bayesian برای داده‌های متنی (Text Data)
• 45. استفاده از Stan برای مسائل طبقه‌بندی (Classification)
• 46. استفاده از Stan برای مسائل خوشه‌بندی (Clustering)
• 47. مدل‌سازی Bayesian برای یادگیری ماشین (Machine Learning)
• 48. مدل‌سازی Bayesian برای بهینه‌سازی (Optimization)
• 49. مدل‌سازی Bayesian برای کنترل (Control)
• 50. مدل‌سازی Bayesian برای پیش‌بینی (Forecasting)
• 51. بررسی پیشرفته توابع توزیع احتمال در Stan
• 52. روش‌های پیشرفته نمونه‌برداری MCMC در Stan
• 53. بررسی توابع داخلی و کتابخانه‌های Stan
• 54. استفاده از Stan برای مسائل مالی (Finance)
• 55. استفاده از Stan برای مسائل زیست‌شناسی (Biology)
• 56. استفاده از Stan برای مسائل مهندسی (Engineering)
• 57. استفاده از Stan برای علوم اجتماعی (Social Sciences)
• 58. بهبود عملکرد مدل‌های Stan با استفاده از GPU
• 59. مدل‌سازی Bayesian در محیط‌های محاسباتی ابری
• 60. بررسی جدیدترین نسخه‌های Stan و ویژگی‌های جدید
• 61. نکات و ترفندهای پیشرفته در مدل‌سازی با Stan