دوره استفاده از Stan for Advanced Data Analysis همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استفاده از Stan for Advanced Data Analysis

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی آماری بیزی
• 2. نصب و راه‌اندازی Stan
• 3. مبانی زبان Stan
• 4. ساخت مدل‌های خطی در Stan
• 5. مدل‌های رگرسیون در Stan
• 6. مدل‌های سلسله مراتبی در Stan
• 7. کاربرد مدل‌های سلسله مراتبی در علوم اجتماعی
• 8. مدل‌سازی سری‌های زمانی در Stan
• 9. مدل‌های حالت پنهان در Stan
• 10. مدل‌سازی بقا در Stan
• 11. مدل‌های طبقه‌بندی در Stan
• 12. مدل‌های شبکه‌ای در Stan
• 13. بهینه‌سازی پارامترها با Stan
• 14. روش‌های نمونه‌گیری در Stan
• 15. ارزیابی مدل در Stan
• 16. اعتبارسنجی متقابل در Stan
• 17. تشخیص همبستگی در مدل‌ها
• 18. مقایسه مدل‌ها در Stan
• 19. استفاده از Stan برای تحلیل داده‌های زیستی
• 20. مدل‌سازی پیش‌بینی در Stan
• 21. تحلیل حساسیت در Stan
• 22. اهمیت تحلیل داده‌های پیشرفته
• 23. مفاهیم اساسی احتمال و آمار
• 24. توزیع‌های احتمال گسسته
• 25. توزیع‌های احتمال پیوسته
• 26. قضیه بیز و استنباط بیزی
• 27. مقدمه‌ای بر مدل‌سازی آماری
• 28. انواع مدل‌های آماری
• 29. مبانی رگرسیون خطی
• 30. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته
• 31. مدل‌های رگرسیون لجستیک
• 32. مدل‌های رگرسیون پواسون
• 33. مبانی مدل‌سازی سلسله مراتبی
• 34. مزایای مدل‌سازی سلسله مراتبی
• 35. کاربرد مدل‌های سلسله مراتبی در اقتصاد
• 36. کاربرد مدل‌های سلسله مراتبی در پزشکی
• 37. مدل‌سازی داده‌های طولی
• 38. مقدمه‌ای بر مدل‌های سری زمانی
• 39. مدل‌های ARIMA
• 40. مدل‌های GARCH
• 41. مدل‌های حالت پنهان مارکوف
• 42. مقدمه‌ای بر مدل‌های بقا
• 43. مدل کاپلان-مایر
• 44. مدل‌های کوکس
• 45. مقدمه‌ای بر مدل‌های طبقه‌بندی
• 46. تحلیل تفکیک‌کننده خطی
• 47. ماشین‌های بردار پشتیبان
• 48. مقدمه‌ای بر مدل‌های شبکه‌ای
• 49. تحلیل شبکه‌های اجتماعی
• 50. کاربرد مدل‌های شبکه‌ای در بازاریابی
• 51. مقدمه‌ای بر بهینه‌سازی
• 52. روش‌های گرادیان کاهشی
• 53. روش‌های نیوتن
• 54. کاربرد بهینه‌سازی در مدل‌سازی
• 55. مقدمه‌ای بر روش‌های نمونه‌گیری
• 56. نمونه‌گیری مونت کارلو زنجیره مارکوف (MCMC)
• 57. نمونه‌گیری گیبس
• 58. نمونه‌گیری متروپلیس-هستینگز
• 59. مقدمه‌ای بر ارزیابی مدل
• 60. شاخص‌های ارزیابی مدل
• 61. معیارهای دقت و صحت
• 62. مقدمه‌ای بر اعتبارسنجی
• 63. اعتبارسنجی K-fold
• 64. اعتبارسنجی بوت استرپ
• 65. مقدمه‌ای بر تشخیص همبستگی
• 66. تشخیص همبستگی در داده‌های رگرسیونی
• 67. تأثیر همبستگی بر استنباط
• 68. مقدمه‌ای بر مقایسه مدل‌ها
• 69. آزمون نسبت درستنمایی
• 70. معیار اطلاعات آکائیکه
• 71. مقدمه‌ای بر تحلیل داده‌های زیستی
• 72. مدل‌سازی بیان ژن
• 73. تحلیل داده‌های توالی‌یابی
• 74. مقدمه‌ای بر مدل‌سازی پیش‌بینی
• 75. پیش‌بینی سری‌های زمانی
• 76. پیش‌بینی تقاضا
• 77. مقدمه‌ای بر تحلیل حساسیت
• 78. تحلیل حساسیت پارامترهای مدل
• 79. تأثیر عدم قطعیت بر پیش‌بینی
• 80. اصول اخلاقی در تحلیل داده‌ها
• 81. حریم خصوصی داده‌ها
• 82. امنیت داده‌ها
• 83. کاربرد Stan در تحقیقات علمی
• 84. مروری بر کتابخانه‌های Stan
• 85. توسعه مدل‌های سفارشی در Stan
• 86. بهبود کارایی مدل‌ها در Stan
• 87. تجسم نتایج مدل‌سازی در Stan
• 88. گزارش‌دهی نتایج تحلیل در Stan
• 89. کاربرد Stan در دانشگاه‌ها
• 90. کاربرد Stan در صنعت
• 91. آینده مدل‌سازی آماری بیزی
• 92. چالش‌های مدل‌سازی پیشرفته
• 93. راهکارهای مواجهه با چالش‌ها
• 94. تمرین‌های عملی با Stan
• 95. پروژه‌های کاربردی با Stan
• 96. مطالعات موردی تحلیل داده با Stan
• 97. مفاهیم پیشرفته در مدل‌سازی بیزی
• 98. مدل‌های بیزی غیرپارامتری
• 99. یادگیری ماشین بیزی
• 100. مدل‌سازی کوواریانس در Stan