دوره راهنمای جامع برای کار با Stan همراه با فلشکارت آموزشی — ارائه روی فلش مموری
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره راهنمای جامع برای کار با Stan
موضوع کلی: روشهای نمونهگیری مونتکارلو مارکوف (MCMC) در آمار بیزی
موضوع میانی: مخاطرات و تنظیمات Stan
📋 سرفصلهای دوره
- 1. آشنایی با Stan و فلسفه مدلسازی احتمالی
- 2. نصب و راهاندازی Stan و ابزارهای مرتبط (RStan, CmdStan)
- 3. مبانی زبان مدلسازی Stan
- 4. انواع دادهها و توابع در Stan
- 5. تعریف مدلهای آماری در Stan: توابع احتمال
- 6. تعریف مدلهای آماری در Stan: توزیعهای پیشین
- 7. تعریف مدلهای آماری در Stan: پارامترها و تبدیلها
- 8. نوشتن مدلهای خطی ساده در Stan
- 9. نوشتن مدلهای رگرسیونی در Stan
- 10. نوشتن مدلهای تعمیمیافته در Stan (GLM)
- 11. نوشتن مدلهای سلسلهمراتبی (Hierarchical Models) در Stan
- 12. نوشتن مدلهای مخلوط (Mixture Models) در Stan
- 13. تکنیکهای بهینهسازی در Stan
- 14. نمونهگیری MCMC با Stan: الگوریتمهای پیشفرض
- 15. تنظیم پارامترهای نمونهگیری MCMC در Stan
- 16. ارزیابی همگرایی MCMC در Stan
- 17. تشخیص مشکلات همگرایی و راهکارهای رفع آنها
- 18. استفاده از زنجیرههای نمونهگیری چندگانه
- 19. تکنیکهای کاهش همبستگی در نمونهگیری MCMC
- 20. مدلسازی دادههای گمشده (Missing Data) در Stan
- 21. مدلسازی با دادههای سانسورشده (Censored Data) در Stan
- 22. مدلسازی سریهای زمانی در Stan
- 23. مدلسازی مدلهای بقا (Survival Models) در Stan
- 24. استفاده از Stan برای مدلسازی Bayesian A/B Testing
- 25. اعتبارسنجی مدل در Stan: بررسی تناسب مدل با دادهها
- 26. مقایسه مدلها با استفاده از معیارهای اطلاعاتی (WAIC, LOO)
- 27. پیشبینی با استفاده از مدلهای Stan
- 28. مدلسازی و تحلیل دادههای فضایی در Stan
- 29. مفاهیم پیشرفته در Stan: توابع کنترل (Control Functions)
- 30. مفاهیم پیشرفته در Stan: توابع تبدیل (Transformation Functions)
- 31. مفاهیم پیشرفته در Stan: مدلسازی چندمتغیره (Multivariate Models)
- 32. استفاده از Stan با رابطهای کاربری گرافیکی (GUI)
- 33. ادغام Stan با زبانهای برنامهنویسی دیگر (Python, Julia)
- 34. استفاده از Stan برای شبیهسازی دادهها
- 35. عیبیابی و رفع خطاهای رایج در Stan
- 36. بهینهسازی کد Stan برای افزایش سرعت
- 37. کار با Stan در محیطهای محاسباتی ابری
- 38. مقدمهای بر Stan و یادگیری عمیق (Deep Learning)
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.