فلش‌کارت‌های آموزشی معماری و زبان Stan: از مفهوم تا اجرا

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره معماری و زبان Stan: از مفهوم تا اجرا

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

موضوع میانی: کامپایلر Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر معماری و زبان Stan
• 2. نصب و پیکربندی Stan
• 3. آشنایی با ساختار کلی کد Stan
• 4. متغیرهای پایه در Stan
• 5. انواع داده‌ها در Stan
• 6. عملگرهای ریاضی و منطقی
• 7. ساختارهای کنترلی: شرط‌ها (if, else)
• 8. ساختارهای کنترلی: حلقه‌ها (for, while)
• 9. تابع‌نویسی در Stan
• 10. مدیریت خطا و استثناها
• 11. مقدمه‌ای بر مدل‌سازی آماری
• 12. مفاهیم اساسی مدل‌سازی بیزی
• 13. روش‌های نمونه‌برداری مارکوف چین مونت کارلو (MCMC)
• 14. مقدمه‌ای بر مفاهیم احتمالات
• 15. توزیع‌های احتمالی گسسته
• 16. توزیع‌های احتمالی پیوسته
• 17. توزیع نرمال
• 18. توزیع بتا
• 19. توزیع گاما
• 20. توزیع پواسون
• 21. توزیع دوجمله‌ای
• 22. توزیع چندجمله‌ای
• 23. توزیع‌های پیشین (Prior Distributions)
• 24. انتخاب توزیع پیشین مناسب
• 25. توزیع‌های پسین (Posterior Distributions)
• 26. روش‌های تخمین پارامترها
• 27. روش حداکثر درست‌نمایی (MLE)
• 28. روش بیزی
• 29. مقدمه‌ای بر رگرسیون خطی
• 30. مدل رگرسیون خطی ساده در Stan
• 31. مدل رگرسیون خطی چندگانه در Stan
• 32. مقدمه‌ای بر رگرسیون لجستیک
• 33. مدل رگرسیون لجستیک در Stan
• 34. مقدمه‌ای بر مدل‌های سلسله‌مراتبی
• 35. مدل‌های سلسله‌مراتبی در Stan
• 36. مدل‌های اثرات مختلط (Mixed Effects Models)
• 37. مدل‌های سلسله‌مراتبی خطی
• 38. مدل‌های سلسله‌مراتبی لجستیک
• 39. مقدمه‌ای بر سری‌های زمانی
• 40. مدل‌های سری زمانی در Stan
• 41. مدل ARIMA در Stan
• 42. مدل‌های فضایی در Stan
• 43. مقدمه‌ای بر مدل‌های بقا (Survival Analysis)
• 44. مدل کاکس در Stan
• 45. مقدمه‌ای بر مدل‌های گرافی (Graphical Models)
• 46. شبکه‌های بیزی در Stan
• 47. مقدمه‌ای بر روش‌های یادگیری ماشین
• 48. طبقه‌بندی در Stan
• 49. پیش‌بینی در Stan
• 50. خوشه‌بندی در Stan
• 51. اعتبارسنجی مدل (Model Validation)
• 52. متریک‌های ارزیابی مدل
• 53. عیب‌یابی مدل‌های Stan
• 54. بهینه‌سازی کد Stan
• 55. تجزیه و تحلیل حساسیت (Sensitivity Analysis)
• 56. شبیه‌سازی مونت کارلو (Monte Carlo Simulation)
• 57. مقدمه‌ای بر مدل‌های اندازه‌گیری
• 58. مدل‌های اندازه‌گیری در Stan
• 59. تحلیل عاملی اکتشافی در Stan
• 60. تحلیل عاملی تاییدی در Stan
• 61. مقدمه‌ای بر مدل‌سازی رویداد (Event Modeling)
• 62. مدل‌سازی رویداد گسسته در Stan
• 63. مدل‌سازی رویداد پیوسته در Stan
• 64. مقدمه‌ای بر مدل‌سازی انتخاب (Choice Modeling)
• 65. مدل‌های انتخاب گسسته در Stan
• 66. مقدمه‌ای بر مدل‌سازی سیاست‌گذاری
• 67. مدل‌سازی سیاست‌گذاری با Stan
• 68. کاربرد Stan در اقتصاد
• 69. کاربرد Stan در علوم اجتماعی
• 70. کاربرد Stan در زیست‌شناسی
• 71. کاربرد Stan در علوم پزشکی
• 72. کاربرد Stan در مهندسی
• 73. کاربرد Stan در علوم محیط زیست
• 74. مقدمه‌ای بر Stan's CmdStan
• 75. استفاده از CmdStan برای اجرای مدل‌ها
• 76. مقدمه‌ای بر Stan's RStan
• 77. استفاده از RStan برای اجرای مدل‌ها
• 78. مقدمه‌ای بر Stan's PyStan
• 79. استفاده از PyStan برای اجرای مدل‌ها
• 80. مقدمه‌ای بر Stan's Shiny
• 81. ساخت داشبوردهای تعاملی با Shiny و Stan
• 82. مقدمه‌ای بر داده‌های بزرگ (Big Data)
• 83. پردازش داده‌های بزرگ با Stan
• 84. مقدمه‌ای بر یادگیری عمیق (Deep Learning)
• 85. شبکه‌های عصبی در Stan
• 86. مقدمه‌ای بر مدل‌سازی دینامیکی
• 87. مدل‌سازی دینامیکی سیستم‌ها با Stan
• 88. مقدمه‌ای بر استنتاج بیزی قوی (Robust Bayesian Inference)
• 89. روش‌های استنتاج بیزی قوی در Stan
• 90. مقدمه‌ای بر مدل‌سازی احتمالات شرطی
• 91. مدل‌سازی احتمالات شرطی با Stan
• 92. مقدمه‌ای بر مدل‌سازی کوواریانس
• 93. مدل‌سازی کوواریانس با Stan
• 94. مقدمه‌ای بر مدل‌سازی ساختاری
• 95. مدل‌سازی ساختاری با Stan
• 96. مقدمه‌ای بر مدل‌سازی معادلات ساختاری (SEM)
• 97. مدل‌سازی معادلات ساختاری با Stan
• 98. مقدمه‌ای بر مدل‌سازی چند سطحی
• 99. مدل‌سازی چند سطحی با Stan
• 100. مقدمه‌ای بر مدل‌سازی مقایسه‌ای