دوره استفاده از Stan برای تحلیل پیشرفته داده همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استفاده از Stan برای تحلیل پیشرفته داده

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر آمار بیزی و مدل‌سازی احتمالی
• 2. مروری بر روش‌های نمونه‌گیری مونت‌کارلو مارکوف (MCMC)
• 3. آشنایی با زبان مدل‌سازی Stan
• 4. نصب و راه‌اندازی Stan و ابزارهای مرتبط
• 5. ساختار یک مدل Stan: داده‌ها، پارامترها، و مدل
• 6. توابع توزیع احتمال در Stan
• 7. مدل‌های خطی در Stan
• 8. مدل‌های خطی تعمیم‌یافته (GLM) در Stan
• 9. رگرسیون لجستیک با Stan
• 10. مدل‌های سلسله‌مراتبی (Hierarchical Models) در Stan
• 11. مدل‌های با اثرات تصادفی در Stan
• 12. مدل‌سازی تغییرات زمانی در Stan
• 13. مدل‌های بقا (Survival Models) با Stan
• 14. مدل‌های ترکیبی (Mixture Models) در Stan
• 15. مدل‌سازی داده‌های شمارشی در Stan
• 16. مدل‌سازی داده‌های سانسور شده در Stan
• 17. بررسی و ارزیابی همگرایی MCMC در Stan
• 18. تشخیص مشکلات همگرایی و راه‌حل‌ها
• 19. تنظیم پارامترهای نمونه‌گیری MCMC در Stan
• 20. بهینه‌سازی سرعت نمونه‌گیری در Stan
• 21. استفاده از priorهای آگاهانه (informative priors)
• 22. انتخاب prior مناسب برای پارامترها
• 23. تأثیر prior بر نتایج بیزی
• 24. تحلیل حساسیت به prior
• 25. مدل‌سازی با متغیرهای طبقه‌بندی (categorical variables)
• 26. مدل‌سازی با داده‌های از دست رفته (missing data)
• 27. مدل‌سازی داده‌های چند متغیره (multivariate data)
• 28. استفاده از Stan برای تحلیل سری‌های زمانی
• 29. مدل‌های فضای حالت (State-Space Models) در Stan
• 30. آشنایی با بسته‌های مکمل Stan در R و Python
• 31. ادغام Stan با R: رابط rstan
• 32. ادغام Stan با Python: رابط PyStan
• 33. پیش‌بینی و اعتبارسنجی مدل در Stan
• 34. تفسیر و ارائه نتایج مدل Stan
• 35. مطالعه موردی: تحلیل داده‌های پزشکی با Stan
• 36. مطالعه موردی: تحلیل داده‌های مالی با Stan
• 37. مطالعه موردی: تحلیل داده‌های بازاریابی با Stan
• 38. روش‌های پیشرفته MCMC در Stan: Hamiltonian Monte Carlo (HMC)
• 39. روش‌های پیشرفته MCMC در Stan: No-U-Turn Sampler (NUTS)
• 40. بهینه‌سازی مدل Stan برای داده‌های بزرگ
• 41. عیب‌یابی خطاهای رایج در Stan