کتاب صوتی تنظیمات پیشرفته for مدل‌سازی‌های پیچیده در Stan

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیمات پیشرفته for مدل‌سازی‌های پیچیده در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی آماری در Stan
• 2. مبانی زبان برنامه‌نویسی Stan
• 3. ساختار داده‌ها در Stan
• 4. توابع توزیع احتمال در Stan
• 5. مدل‌های خطی تعمیم‌یافته در Stan
• 6. روش‌های نمونه‌برداری در Stan
• 7. مقدمه‌ای بر زنجیره‌های مارکوف مونت کارلو (MCMC)
• 8. الگوریتم هامیلتونی مونت کارلو (HMC)
• 9. پیش‌شرط‌گذاری در HMC
• 10. پیاده‌سازی مدل‌های ساده در Stan
• 11. مدل‌های رگرسیون خطی در Stan
• 12. مدل‌های رگرسیون لجستیک در Stan
• 13. مدل‌های رگرسیون پواسون در Stan
• 14. مدل‌های رگرسیون ناپارامتری در Stan
• 15. مدل‌های سلسله مراتبی در Stan
• 16. مقدمه‌ای بر مدل‌های سلسله مراتبی
• 17. مدل‌های اثرات مختلط در Stan
• 18. مدل‌های سلسله مراتبی برای داده‌های طولی در Stan
• 19. مدل‌های سلسله مراتبی برای داده‌های فضایی در Stan
• 20. مدل‌های پویای سیستمی در Stan
• 21. مقدمه‌ای بر مدل‌های پویای سیستمی
• 22. شبیه‌سازی مدل‌های پویای سیستمی در Stan
• 23. مدل‌سازی احتمالاتی در Stan
• 24. مقدمه‌ای بر مدل‌سازی احتمالاتی
• 25. شبکه‌های بیزی در Stan
• 26. مقدمه‌ای بر شبکه‌های بیزی
• 27. پیاده‌سازی شبکه‌های بیزی در Stan
• 28. مدل‌سازی عدم قطعیت در Stan
• 29. روش‌های بیزی برای ارزیابی عدم قطعیت
• 30. روش‌های فرکانسی برای ارزیابی عدم قطعیت
• 31. اعتبارسنجی مدل در Stan
• 32. روش‌های اعتبارسنجی متقابل
• 33. اعتبارسنجی پیش‌بینانه
• 34. بهینه‌سازی مدل در Stan
• 35. مقدمه‌ای بر بهینه‌سازی
• 36. الگوریتم‌های بهینه‌سازی در Stan
• 37. تنظیم ابرپارامترها در Stan
• 38. تحلیل حساسیت مدل در Stan
• 39. تفسیر نتایج مدل در Stan
• 40. نکات پیشرفته در Stan
• 41. کار با داده‌های بزرگ در Stan
• 42. بهینه‌سازی کارایی کد Stan
• 43. اشکال‌زدایی مدل‌های Stan
• 44. مدل‌سازی داده‌های سری زمانی در Stan
• 45. مقدمه‌ای بر مدل‌سازی سری زمانی
• 46. مدل‌های ARIMA در Stan
• 47. مدل‌های حالت فضا در Stan
• 48. مدل‌سازی داده‌های متنی در Stan
• 49. مقدمه‌ای بر مدل‌سازی متنی
• 50. مدل موضوعی در Stan
• 51. مدل‌های زبانی در Stan
• 52. مدل‌سازی داده‌های شبکه‌ای در Stan
• 53. مقدمه‌ای بر مدل‌سازی شبکه‌ای
• 54. مدل‌های تحلیل شبکه‌های اجتماعی در Stan
• 55. مدل‌های انتشار در شبکه‌ها در Stan
• 56. کاربرد Stan در علوم اجتماعی
• 57. کاربرد Stan در اقتصاد
• 58. کاربرد Stan در علوم زیستی
• 59. کاربرد Stan در مهندسی
• 60. مدل‌سازی داده‌های پرت در Stan
• 61. روش‌های تشخیص داده‌های پرت
• 62. مدل‌سازی با توزیع‌های خاص در Stan
• 63. توزیع‌های چندمتغیره در Stan
• 64. توزیع‌های گوسی چندمتغیره در Stan
• 65. توزیع‌های کای-دو در Stan
• 66. توزیع‌های t استیودنت در Stan
• 67. مدل‌سازی داده‌های شمارشی در Stan
• 68. مدل‌های رگرسیون ناپوآسون در Stan
• 69. مدل‌های رگرسیون دوجمله‌ای منفی در Stan
• 70. مدل‌سازی داده‌های طبقه‌ای در Stan
• 71. مدل‌های رگرسیون چندجمله‌ای لجستیک در Stan
• 72. مدل‌های رگرسیون ترتیبی در Stan
• 73. مدل‌سازی ترکیبی در Stan
• 74. مقدمه‌ای بر مدل‌سازی ترکیبی
• 75. مدل‌سازی اثرات ثابت و تصادفی در Stan
• 76. مدل‌سازی با استفاده از توابع پایه در Stan
• 77. مدل‌سازی با استفاده ازSplines
• 78. مدل‌سازی با استفاده از توابع کرنل
• 79. مدل‌سازی توابع پاسخ در Stan
• 80. مدل‌سازی اثرات متقابل در Stan
• 81. مدل‌سازی با استفاده از مدل‌های خطی تعمیم‌یافته پیشرفته
• 82. مدل‌سازی با استفاده از مدل‌های مختلط تعمیم‌یافته
• 83. مدل‌سازی داده‌های ناهمگن در Stan
• 84. مدل‌سازی با استفاده از توزیع‌های مخلوط
• 85. مدل‌سازی با استفاده از روش‌های بیزی بیزیان
• 86. مدل‌سازی با استفاده از روش‌های بیزی فرکانسی
• 87. روش‌های بصری‌سازی پیشرفته نتایج Stan
• 88. ترکیب Stan با سایر ابزارها
• 89. مقدمه‌ای بر زبان برنامه‌نویسی R
• 90. استفاده از بسته rstan در R
• 91. استفاده از بسته cmdstanr در R
• 92. استفاده از بسته stan4py در Python
• 93. نکات عملی و ترفندها در Stan
• 94. مدل‌سازی داده‌های گمشده در Stan
• 95. روش‌های imputation در Stan
• 96. مدل‌سازی پدیده‌های فازی در Stan
• 97. مقدمه‌ای بر مدل‌سازی پدیده‌های فازی
• 98. مدل‌سازی با استفاده از منطق فازی در Stan
• 99. مدل‌سازی داده‌های متغیر در طول زمان
• 100. مدل‌سازی با استفاده از فرآیندهای تصادفی