دوره راهنمای کاربردی Stan همراه با فلشکارت آموزشی — ارائه روی فلش مموری
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره راهنمای کاربردی Stan
موضوع کلی: روشهای نمونهگیری مونتکارلو مارکوف (MCMC) در آمار بیزی
موضوع میانی: مخاطرات و تنظیمات Stan
📋 سرفصلهای دوره
- 1. مقدمهای بر آمار بیزی و نیاز به Stan
- 2. معرفی Stan: تاریخچه، فلسفه و مزایا
- 3. نصب و راهاندازی Stan: محیطهای مختلف (R, Python, Cmdstan)
- 4. ساختار یک مدل Stan: بلوکهای اصلی (data, parameters, model, transformed parameters)
- 5. نحوه تعریف توزیعهای احتمال در Stan
- 6. توزیعهای رایج در Stan: نرمال، یکنواخت، گاما، بتا و غیره
- 7. ورودی و خروجی دادهها در Stan
- 8. مدلسازی دادههای پیوسته
- 9. مدلسازی دادههای گسسته
- 10. استفاده از توابع و اپراتورها در Stan
- 11. مدلسازی سلسله مراتبی (Hierarchical Modeling) در Stan
- 12. تغییر شکل پارامترها (Transformed Parameters) و کاربرد آنها
- 13. مفهوم نمونهگیری MCMC و الگوریتمهای آن در Stan
- 14. الگوریتمهای نمونهگیری در Stan: NUTS و HMC
- 15. ارزیابی همگرایی (Convergence) در Stan
- 16. تشخیص مشکلات همگرایی و راهحلها
- 17. تنظیم پارامترهای نمونهگیری: stepsize, adapt_delta, max_treedepth
- 18. استفاده از priorها: انتخاب و تاثیر آنها بر نتایج
- 19. مدلسازی با priorهای غیر informative
- 20. مقایسه مدلها با استفاده از WAIC و LOO
- 21. اعتبارسنجی مدل (Model Validation) و بررسی تناسب (Goodness-of-fit)
- 22. مدلسازی missing data در Stan
- 23. مدلسازی دادههای زمانسریه در Stan
- 24. کار با توابع built-in Stan
- 25. نوشتن توابع custom در Stan
- 26. بهینهسازی مدلهای Stan
- 27. استفاده از Stan برای مسائل رگرسیون
- 28. مدلسازی خطی تعمیمیافته (Generalized Linear Models) در Stan
- 29. مدلسازی مخلوط (Mixture Models) در Stan
- 30. مدلسازی بقا (Survival Analysis) در Stan
- 31. کار با دادههای چندمتغیره در Stan
- 32. استفاده از Stan برای Bayesian A/B Testing
- 33. ادغام Stan با R: رابط rstan
- 34. ادغام Stan با Python: رابط PyStan
- 35. ادغام Stan با Julia: رابط CmdStan.jl
- 36. اشتباهات رایج در مدلسازی Stan و نحوه رفع آنها
- 37. عیبیابی (Debugging) مدلهای Stan
- 38. بهبود عملکرد مدلهای Stan
- 39. نکات پیشرفته در مدلسازی Stan
محتویات بسته آموزشی
🌐 سامانه آنلاین فلشکارت؛ مرور هدفمند و هوشمند
اکانت ارائهشده، دسترسی به نسخه تحت وب سامانه فلشکارت ویژه این دوره را فراهم میکند. این سامانه از الگوریتم زمانبندی مرور SM-2 استفاده میکند و بر اساس ارزیابی شما از میزان یادآوری هر کارت، زمان مرورهای بعدی را تنظیم میکند.
به این ترتیب، کارتهای دشوارتر میتوانند زودتر مرور شوند و برای تثبیت مطالب در حافظه، برنامه مرور متناسبتری داشته باشید.
مدتزمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج میشود.
گواهی دوزبانه با استعلام آنلاین
پس از تکمیل فعالیتهای لازم و تأیید درخواست، گواهی پایان دوره به زبان فارسی و انگلیسی صادر میشود. گواهی دارای لینک اختصاصی و QR Code برای بررسی و استعلام آنلاین است.
این گواهی صرفاً بهعنوان گواهی اتمام دوره آموزشی صادر میشود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نیست. صدور آن منوط به تکمیل شرایط دوره و تأیید نهایی درخواست است.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.