فلش‌کارت‌های آموزشی راهنمای کاربردی Stan

🎓 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 زبان برنامه‌نویسی Stan
• 2. نصب و راه‌اندازی Stan در سیستم‌عامل‌های مختلف
• 3. ساختار یک مدل Stan
• 4. انواع داده‌ها در Stan
• 5. متغیرهای تصادفی در Stan
• 6. توابع احتمال در Stan
• 7. توابع توزیع احتمال رایج در Stan
• 8. ورودی و خروجی داده‌ها در Stan
• 9. تعریف مدل‌های سلسله مراتبی در Stan
• 10. نمونه‌برداری از توزیع‌های پسین
• 11. روش‌های نمونه‌برداری Markov Chain Monte Carlo (MCMC)
• 12. ارزیابی همگرایی MCMC
• 13. تشخیص مشکلات همگرایی در Stan
• 14. بهینه‌سازی مدل‌های Stan
• 15. مقایسه مدل‌ها با استفاده از اطلاعات معیار Bayes
• 16. اعتبارسنجی مدل‌های Stan
• 17. خطاهای رایج در مدل‌سازی Stan و نحوه رفع آن‌ها
• 18. مدل‌سازی رگرسیون خطی در Stan
• 19. مدل‌سازی رگرسیون لجستیک در Stan
• 20. مدل‌سازی تحلیل واریانس (ANOVA) در Stan
• 21. مدل‌سازی مدل‌های خطی تعمیم‌یافته (GLM) در Stan
• 22. مدل‌سازی مدل‌های مخلوط (Mixture Models) در Stan
• 23. مدل‌سازی سری‌های زمانی در Stan
• 24. مدل‌سازی بقا (Survival Analysis) در Stan
• 25. مدل‌سازی مدل‌های پنهان مارکوف (Hidden Markov Models) در Stan
• 26. استفاده از Stan با زبان برنامه‌نویسی R
• 27. استفاده از Stan با زبان برنامه‌نویسی Python
• 28. استفاده از Stan با زبان برنامه‌نویسی Julia
• 29. ادغام Stan با رابط‌های کاربری گرافیکی
• 30. نوشتن توابع سفارشی در Stan
• 31. بهینه‌سازی عملکرد مدل‌های Stan
• 32. مدیریت حافظه در Stan
• 33. اشکال‌زدایی مدل‌های Stan
• 34. مستندسازی مدل‌های Stan
• 35. بهترین روش‌ها برای مدل‌سازی Bayesian در Stan
• 36. کاربرد Stan در آمار زیستی
• 37. کاربرد Stan در علوم اجتماعی
• 38. کاربرد Stan در مهندسی
• 39. کاربرد Stan در مالی
• 40. مدل‌سازی با داده‌های از دست رفته (Missing Data) در Stan
• 41. مدل‌سازی با داده‌های سانسور شده (Censored Data) در Stan
• 42. مدل‌سازی مدل‌های چند متغیره (Multivariate Models) در Stan
• 43. استفاده از محدودیت‌ها (Constraints) در مدل‌های Stan
• 44. استفاده از تبدیل‌ها (Transformations) در مدل‌های Stan
• 45. تکنیک‌های بهبود سرعت نمونه‌برداری MCMC در Stan
• 46. مدل‌سازی مدل‌های غیرپارامتری (Nonparametric Models) در Stan
• 47. استفاده از Stan برای پیش‌بینی
• 48. ارزیابی عملکرد پیش‌بینی در Stan
• 49. مدل‌سازی مدل‌های پویا (Dynamic Models) در Stan
• 50. مدل‌سازی مدل‌های فضایی (Spatial Models) در Stan
• 51. مدل‌سازی مدل‌های شبکه (Network Models) در Stan
• 52. استفاده از Stan برای تحلیل حساسیت
• 53. مدل‌سازی با داده‌های بزرگ در Stan
• 54. راهکارهای موازی‌سازی در Stan
• 55. استفاده از Stan در محیط‌های ابری
• 56. مدل‌سازی مدل‌های Bayesian آماری در Stan
• 57. روش‌های ارزیابی مدل در Stan
• 58. تکنیک‌های انتخاب متغیر در Stan
• 59. مدل‌سازی مدل‌های ترکیبی (Composite Models) در Stan
• 60. کاربرد Stan در تحلیل تصویر
• 61. کاربرد Stan در پردازش زبان طبیعی
• 62. کاربرد Stan در یادگیری ماشین
• 63. مدل‌سازی مدل‌های سلسله مراتبی پیچیده در Stan
• 64. بهینه‌سازی مدل‌های Stan برای داده‌های ناهمگن
• 65. مدل‌سازی مدل‌های Bayesian با استفاده از Prior‌های غیرآگاهانه
• 66. استفاده از Stan برای تحلیل داده‌های مکانی-زمانی
• 67. مدل‌سازی مدل‌های Bayesian در حضور داده‌های پرت (Outliers)