فلش‌کارت‌های آموزشی کاربرد Stan در حل مسائل خاص حوزه‌های مختلف

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربرد Stan در حل مسائل خاص حوزه‌های مختلف

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر Stan و آمار بیزی
• 2. نصب و راه‌اندازی Stan و محیط‌های توسعه
• 3. ساختار یک مدل Stan: داده‌ها، پارامترها، و مدل
• 4. توابع اولیه‌ی Stan: توابع احتمال، توابع تبدیل
• 5. توزیع‌های احتمال در Stan: توزیع‌های استاندارد و کاربردی
• 6. پیشین‌ها (Priors) در Stan: تعیین توزیع‌های پیشین آگاهانه
• 7. احتمال پسین (Posterior) و محاسبه آن با Stan
• 8. نمونه‌گیری MCMC در Stan: الگوریتم‌های NUTS و HMC
• 9. تشخیص همگرایی زنجیره‌های MCMC در Stan
• 10. ارزیابی مدل در Stan: R-hat، Effective Sample Size، Traceplots
• 11. مدل‌سازی رگرسیون خطی با Stan
• 12. مدل‌سازی رگرسیون لجستیک با Stan
• 13. مدل‌سازی مدل‌های خطی تعمیم‌یافته (GLM) در Stan
• 14. مدل‌سازی واریانس‌های تصادفی در Stan
• 15. مدل‌سازی مدل‌های سلسله‌مراتبی (Hierarchical Models) در Stan
• 16. مدل‌سازی مدل‌های رشد (Growth Models) در Stan
• 17. مدل‌سازی بقا (Survival Analysis) با Stan
• 18. مدل‌سازی سری‌های زمانی (Time Series) با Stan
• 19. مدل‌سازی تحلیل پوششی داده‌ها (DEA) با Stan
• 20. مدل‌سازی مسائل بهینه‌سازی با Stan
• 21. مدل‌سازی انتخاب گسسته (Discrete Choice Models) با Stan
• 22. مدل‌سازی شبکه‌های بیزی (Bayesian Networks) با Stan
• 23. مدل‌سازی پردازش زبان طبیعی (NLP) با Stan
• 24. مدل‌سازی داده‌های مکانی (Spatial Data) با Stan
• 25. مدل‌سازی داده‌های پانل (Panel Data) با Stan
• 26. مدل‌سازی اقتصادسنجی با Stan: AR، MA، ARIMA
• 27. مدل‌سازی مالی با Stan: قیمت‌گذاری دارایی‌ها، مدیریت ریسک
• 28. مدل‌سازی زیست‌سنجی با Stan: جمعیت‌شناسی، اپیدمی‌شناسی
• 29. مدل‌سازی علوم اجتماعی با Stan: مدل‌های رفتاری، نظرسنجی‌ها
• 30. مدل‌سازی علوم کامپیوتر با Stan: یادگیری ماشین، بینایی کامپیوتر
• 31. تنظیمات پیشرفته Stan: کنترل پارامترهای نمونه‌گیری
• 32. بهینه‌سازی سرعت نمونه‌گیری در Stan
• 33. مدل‌سازی با داده‌های ازدست‌رفته (Missing Data) در Stan
• 34. استفاده از Stan با R و Python
• 35. عیب‌یابی خطاهای رایج در Stan
• 36. نوشتن مدل‌های پیچیده در Stan: نکات و ترفندها
• 37. اعتبارسنجی مدل‌های Stan: بررسی حساسیت و robustness