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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استفاده از Stan برای تحلیل‌های پیشرفته

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر Stan و آمار بیزی
• 2. نصب و راه‌اندازی Stan و ابزارهای مرتبط
• 3. ساختار یک مدل Stan: بلوک‌های اصلی
• 4. تعریف مدل در Stan: توابع و توزیع‌ها
• 5. تعریف داده‌ها در Stan: انواع داده و نحوه وارد کردن
• 6. تعریف پارامترها در Stan: مقادیر اولیه و محدودیت‌ها
• 7. تبدیل مدل‌های بیزی به کد Stan
• 8. استفاده از توابع توزیع احتمال در Stan
• 9. نمونه‌گیری با MCMC در Stan: الگوریتم NUTS
• 10. تشخیص همگرایی در Stan: R-hat, effective sample size
• 11. تصویرسازی نتایج MCMC در Stan
• 12. اعتبارسنجی مدل Stan: بررسی تناسب مدل با داده‌ها
• 13. مدل‌های خطی تعمیم‌یافته (GLM) در Stan
• 14. مدل‌های رگرسیونی سلسله مراتبی در Stan
• 15. مدل‌های طبقه‌بندی با Stan
• 16. مدل‌های بقا با Stan
• 17. مدل‌های تغییر حالت (State-Space Models) در Stan
• 18. مدل‌سازی داده‌های گمشده (Missing Data) در Stan
• 19. مدل‌سازی داده‌های سانسور شده (Censored Data) در Stan
• 20. استفاده از Priorهای آگاهانه و غیرآگاهانه در Stan
• 21. Priorهای سلسله مراتبی در Stan
• 22. محاسبه‌ی حاشیه‌ای احتمالات (Marginal Likelihood) در Stan
• 23. بهینه‌سازی مدل در Stan با استفاده از روش‌های گرادیان
• 24. مقایسه‌ی مدل‌ها در Stan: WAIC و LOO-CV
• 25. بررسی حساسیت مدل به Priorها
• 26. استفاده از Stan برای داده‌های بزرگ: روش‌های تقریب
• 27. نوشتن توابع سفارشی در Stan
• 28. خطایابی و رفع اشکال در مدل‌های Stan
• 29. ادغام Stan با R
• 30. ادغام Stan با Python
• 31. استفاده از Stan برای مدل‌سازی Bayesian A/B Testing
• 32. مدل‌سازی سری‌های زمانی با Stan
• 33. مدل‌سازی فضایی با Stan
• 34. استفاده از Stan برای تحلیل داده‌های پانل
• 35. مدل‌سازی Cause-Effect با Stan
• 36. مدل‌سازی فرآیندهای پویا در Stan
• 37. کاربرد Stan در بیوانفورماتیک
• 38. کاربرد Stan در علوم مالی
• 39. کاربرد Stan در علوم اجتماعی