فلش‌کارت‌های آموزشی راهنمای جامع برای کار با Stan

🎓 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. مقدمه‌ای بر نرم‌افزار Stan
• 2. نصب و راه‌اندازی Stan
• 3. آشنایی با زبان Stan
• 4. ساختار مدل در Stan
• 5. انواع توزیع‌های احتمالی در Stan
• 6. تعریف متغیرهای مشاهده‌شده
• 7. تعریف پارامترهای مدل
• 8. توابع کمکی در Stan
• 9. روش‌های نمونه‌گیری در Stan (MCMC)
• 10. الگوریتم هامیلتونی مونت کارلو (HMC)
• 11. الگوریتم نمونه‌گیر گرافی متغیر (NUTS)
• 12. ارزیابی همگرایی مدل
• 13. شاخص‌های ارزیابی همگرایی (R-hat, ESS)
• 14. تشخیص واگرایی مدل
• 15. تشخیص خطاهای رایج در Stan
• 16. اعتبارسنجی مدل با داده‌های شبیه‌سازی شده
• 17. مقدمه‌ای بر مدل‌های سلسله‌مراتبی
• 18. پیاده‌سازی مدل‌های سلسله‌مراتبی در Stan
• 19. مدل‌های خطی تعمیم‌یافته (GLMs) در Stan
• 20. مدل‌های خطی تعمیم‌یافته سلسله‌مراتبی
• 21. مدل‌های سری زمانی در Stan
• 22. مدل‌های فضای حالت در Stan
• 23. مدل‌های رگرسیون لجستیک در Stan
• 24. مدل‌های رگرسیون پواسون در Stan
• 25. مدل‌های بقا در Stan
• 26. مدل‌های انتخاب گسسته در Stan
• 27. مدل‌های خوشه‌بندی در Stan
• 28. مدل‌های عامل پنهان در Stan
• 29. مدل‌های شبکه‌ای در Stan
• 30. مدل‌های فضایی در Stan
• 31. مدل‌های استنباط بیزی برای داده‌های حجیم
• 32. استفاده از Stan با R
• 33. استفاده از Stan با Python
• 34. استفاده از Stan با Julia
• 35. مدیریت داده‌ها برای Stan
• 36. پیش‌پردازش داده‌ها
• 37. نمایش گرافیکی نتایج Stan
• 38. ترسیم نمودارهای توزیع پیشین و پسین
• 39. ترسیم نمودارهای سری زمانی
• 40. ترسیم نمودارهای پراکندگی
• 41. ترسیم نمودارهای باقی‌مانده
• 42. تفسیر نتایج مدل
• 43. محاسبه احتمالات پیش‌بینی
• 44. محاسبه فواصل اطمینان بیزی
• 45. مقایسه مدل‌ها با معیارهای بیزی
• 46. مقایسه مدل‌ها با آزمون‌های فرضیه
• 47. روش‌های پیشرفته نمونه‌گیری
• 48. نمونه‌گیری با اهمیت
• 49. نمونه‌گیری از طریق زنجیره مارکوف
• 50. روش‌های بهینه‌سازی در Stan
• 51. بهینه‌سازی با گرادیان
• 52. بهینه‌سازی بدون گرادیان
• 53. کاربرد Stan در علوم اجتماعی
• 54. کاربرد Stan در اقتصاد
• 55. کاربرد Stan در پزشکی
• 56. کاربرد Stan در علوم محیط زیست
• 57. کاربرد Stan در مهندسی
• 58. کاربرد Stan در زیست‌شناسی
• 59. کاربرد Stan در علوم داده
• 60. کاربرد Stan در یادگیری ماشین
• 61. مدل‌سازی داده‌های ناقص
• 62. مدل‌سازی داده‌های گمشده
• 63. مدل‌سازی داده‌های با کیفیت پایین
• 64. مدل‌سازی داده‌های پرت
• 65. مدل‌سازی داده‌های غیرنرمال
• 66. مدل‌سازی داده‌های وابسته
• 67. مدل‌سازی داده‌های فضایی-زمانی
• 68. طراحی آزمایش‌ها با استفاده از Stan
• 69. بهینه‌سازی طراحی آزمایش
• 70. تحلیل حساسیت پارامترها
• 71. تحلیل عدم قطعیت
• 72. ارتباطات در Stan
• 73. استفاده از توابع سفارشی در Stan
• 74. بهینه‌سازی کد Stan
• 75. دیباگ کردن مدل‌های Stan
• 76. مستندسازی مدل‌های Stan
• 77. اشتراک‌گذاری مدل‌های Stan
• 78. کار با کتابخانه‌های مرتبط با Stan
• 79. مقدمه‌ای بر مدل‌های آماری
• 80. مفاهیم کلیدی استنباط بیزی
• 81. توزیع‌های پیشین و پسین
• 82. قضیه بیز
• 83. انتخاب مدل مناسب
• 84. ارزیابی کیفیت مدل
• 85. مقدمه‌ای بر زبان برنامه‌نویسی R
• 86. مقدمه‌ای بر زبان برنامه‌نویسی Python
• 87. ساختارهای داده در Stan
• 88. عملگرهای ریاضی در Stan
• 89. دستورات شرطی در Stan
• 90. حلقه‌ها در Stan
• 91. توابع در Stan
• 92. ماژول‌ها و بسته‌ها در Stan
• 93. مدیریت حافظه در Stan
• 94. رفع اشکال در Stan
• 95. بهینه‌سازی کارایی در Stan
• 96. پروژه‌های نمونه با Stan
• 97. کاربرد Stan در تحلیل داده‌های بزرگ
• 98. تحلیل داده‌های پزشکی با Stan
• 99. تحلیل داده‌های اقتصادی با Stan
• 100. تحلیل داده‌های اجتماعی با Stan