کتاب صوتی تنظیمات پیشرفته برای مدل‌سازی‌های پیچیده در Stan

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیمات پیشرفته برای 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 با Stan
• 2. نصب و راه‌اندازی Stan و محیط توسعه
• 3. ساختار یک مدل Stan: داده‌ها، پارامترها، و مدل
• 4. زبان مدل‌سازی Stan: مفاهیم پایه
• 5. انواع داده‌ها در Stan
• 6. توابع و عملگرهای استاندارد Stan
• 7. توزیع‌های احتمالاتی در Stan: یک مرور کلی
• 8. توزیع نرمال در Stan و کاربردهای آن
• 9. توزیع بتا در Stan و کاربردهای آن
• 10. توزیع گاما در Stan و کاربردهای آن
• 11. توزیع پواسون در Stan و کاربردهای آن
• 12. توزیع برنولی در Stan و کاربردهای آن
• 13. مدل‌سازی رگرسیون خطی با Stan
• 14. مدل‌سازی رگرسیون لجستیک با Stan
• 15. مدل‌سازی واریانس‌های تصادفی با Stan
• 16. مدل‌سازی اثرات ثابت و تصادفی
• 17. برآورد پارامترها در Stan: روش‌های MCMC
• 18. الگوریتم‌های نمونه‌برداری MCMC در Stan: NUTS
• 19. ارزیابی همگرایی MCMC: R-hat و Effective Sample Size
• 20. پیش‌بینی مدل در Stan
• 21. اعتبارسنجی مدل و ارزیابی برازش
• 22. مدل‌سازی سلسله مراتبی (Hierarchical Modeling) با Stan
• 23. مدل‌سازی مدل‌های تعمیم‌یافته (Generalized Linear Models) با Stan
• 24. مدل‌سازی مدل‌های خطی تعمیم‌یافته (Generalized Linear Mixed Models) با Stan
• 25. مدل‌سازی بقا (Survival Analysis) با Stan
• 26. مدل‌سازی سری‌های زمانی (Time Series Analysis) با Stan
• 27. مدل‌سازی مدل‌های پنهان مارکوف (Hidden Markov Models) با Stan
• 28. مدل‌سازی مدل‌های فضایی (Spatial Models) با Stan
• 29. مدل‌سازی مدل‌های چند متغیره (Multivariate Models) با Stan
• 30. استفاده از Stan با R: رابط Stan
• 31. استفاده از Stan با Python: رابط PyStan
• 32. بهینه‌سازی مدل‌های Stan: گرادیان و Hessian
• 33. عیب‌یابی مدل‌های Stan: مشکلات همگرایی و شناسایی
• 34. مدل‌سازی با داده‌های از دست رفته (Missing Data) در Stan
• 35. مدل‌سازی داده‌های سانسور شده (Censored Data) در Stan
• 36. مدل‌سازی داده‌های تجمعی (Aggregated Data) در Stan
• 37. مدل‌سازی مدل‌های غیرپارامتری (Nonparametric Models) با Stan
• 38. تکنیک‌های کاهش ابعاد (Dimensionality Reduction) در Stan
• 39. مدل‌سازی با محدودیت‌ها (Constraints) در Stan
• 40. مدل‌سازی مدل‌های پیچیده با استفاده از توابع تعریف‌شده توسط کاربر (User-Defined Functions)
• 41. مدل‌سازی مدل‌های بیزی سلسله مراتبی گسترده (Large-Scale Hierarchical Bayesian Models)
• 42. استفاده از Stan برای شبیه‌سازی (Simulation)
• 43. استفاده از Stan برای تحلیل حساسیت (Sensitivity Analysis)
• 44. کاربردهای Stan در علوم پزشکی
• 45. کاربردهای Stan در علوم اجتماعی
• 46. کاربردهای Stan در مهندسی
• 47. کاربردهای Stan در اقتصادسنجی
• 48. مقایسه Stan با سایر نرم‌افزارهای مدل‌سازی آماری
• 49. بهینه‌سازی عملکرد Stan: موازی‌سازی و حافظه
• 50. نوشتن کدهای کارآمد Stan
• 51. مستندسازی مدل‌های Stan
• 52. تفسیر نتایج مدل‌های Stan
• 53. ارائه نتایج مدل‌های Stan
• 54. آشنایی با کتابخانه‌های Stan
• 55. مدل‌سازی Bayesian A/B Testing با Stan
• 56. مدل‌سازی مدل‌های انتخاب گسسته (Discrete Choice Models) با Stan
• 57. مدل‌سازی مدل‌های ترکیبی (Mixture Models) با Stan
• 58. مدل‌سازی مدل‌های تغییر ساختار (Change Point Models) با Stan
• 59. مدل‌سازی مدل‌های رشد (Growth Models) با Stan
• 60. مدل‌سازی مدل‌های بقای چند حالتی (Multi-State Survival Models) با Stan
• 61. مدل‌سازی مدل‌های شبکه (Network Models) با Stan
• 62. مدل‌سازی مدل‌های یادگیری ماشین (Machine Learning Models) با Stan
• 63. استفاده از Stan برای مدل‌سازی علت و معلولی (Causal Inference)
• 64. تکنیک‌های پیشرفته MCMC در Stan
• 65. مدیریت داده‌های بزرگ در Stan
• 66. مدل‌سازی مدل‌های دینامیکی (Dynamic Models) با Stan