دوره تنظیمات پیشرفته برای مدل‌سازی‌های پیچیده در Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیمات پیشرفته برای مدل‌سازی‌های پیچیده در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی پیچیده در Stan
• 2. مرور تنظیمات پایه Stan
• 3. استفاده از توابع تعریف‌شده توسط کاربر در Stan
• 4. مدل‌سازی سلسله مراتبی (Hierarchical Modeling) در Stan
• 5. مدل‌سازی اثرات تصادفی (Random Effects)
• 6. مدل‌سازی مدل‌های غیرخطی در Stan
• 7. استفاده از توابع توزیع احتمالاتی پیچیده
• 8. مدل‌سازی داده‌های سانسور شده (Censored Data)
• 9. مدل‌سازی داده‌های از دست رفته (Missing Data)
• 10. مدل‌سازی مدل‌های تغییر رژیم (Regime-Switching Models)
• 11. مدل‌سازی مدل‌های پویا (Dynamic Models)
• 12. استفاده از توابع شرطی (Conditional Functions) در Stan
• 13. بهینه‌سازی سرعت نمونه‌گیری با استفاده از توابع Gradient
• 14. استفاده از الگوریتم‌های نمونه‌گیری پیشرفته در Stan (NUTS, HMC)
• 15. تنظیم پارامترهای الگوریتم‌های نمونه‌گیری
• 16. تشخیص همگرایی (Convergence Diagnostics) در مدل‌های پیچیده
• 17. بررسی و تحلیل خروجی‌های Stan
• 18. مدل‌سازی با داده‌های چندمتغیره (Multivariate Data)
• 19. مدل‌سازی مدل‌های بیزی غیرپارامتری (Nonparametric Bayesian Models)
• 20. استفاده از Stan برای مدل‌سازی فضایی (Spatial Modeling)
• 21. مدل‌سازی سری‌های زمانی (Time Series Modeling) در Stan
• 22. پیاده‌سازی مدل‌های بقا (Survival Analysis) در Stan
• 23. مدل‌سازی داده‌های پانل (Panel Data Modeling)
• 24. استفاده از Stan برای شبیه‌سازی (Simulation)
• 25. مقایسه مدل‌ها با استفاده از Stan (Model Comparison)
• 26. استفاده از Stan با زبان‌های دیگر (R, Python)
• 27. عیب‌یابی خطاهای رایج در Stan
• 28. بهینه‌سازی کد Stan برای کارایی بیشتر
• 29. استفاده از Stan برای مدل‌سازی بیزی شبکه (Bayesian Network Modeling)
• 30. مدل‌سازی داده‌های شمارشی (Count Data Modeling)
• 31. مدل‌سازی داده‌های ترتیبی (Ordinal Data Modeling)
• 32. مدل‌سازی مدل‌های انتخاب گسسته (Discrete Choice Models)
• 33. بررسی حساسیت مدل (Sensitivity Analysis)
• 34. استفاده از Stan برای تحلیل تصمیم (Decision Analysis)