سرفصل های دوره:
1. مقدمه بر مدل سازی آماری بیزی
2. مبانی احتمال و آمار
3. قضیه بیز
4. مفهوم توزیع پسین
5. روش های شبیه سازی مونت کارلو زنجیره مارکوف (MCMC)
6. مقدمه بر زبان برنامه نویسی Stan
7. نصب و راه اندازی Stan
8. محیط توسعه Stan (IDE)
9. ساختار یک مدل Stan
10. تعریف داده ها در Stan
11. تعریف پارامترها در Stan
12. تعریف تابع درست نمایی (Likelihood)
13. تعریف توزیع پیشین (Prior)
14. کامپایل و اجرای مدل های Stan
15. تفسیر نتایج Stan
16. متریک های ارزیابی همگرایی MCMC
17. R-hat (Gelman-Rubin statistic)
18. Trace plots
19. Autocorrelation plots
20. Effective sample size (ESS)
21. مقدمه بر رگرسیون خطی بیزی
22. مدل رگرسیون خطی ساده بیزی
23. مدل رگرسیون خطی چندگانه بیزی
24. انتخاب توزیع های پیشین برای رگرسیون خطی
25. تحلیل باقی مانده ها در مدل های رگرسیون بیزی
26. پیش بینی در مدل های رگرسیون بیزی
27. مقدمه بر مدل های سری زمانی بیزی
28. مدل ARIMA بیزی
29. مدل های حالت خطی-گوسی (Linear-Gaussian state-space models)
30. مدل های انتشار (Diffusion models)
31. مدل های رگرسیون لجستیک بیزی
32. مدل سازی داده های دودویی
33. مدل سازی داده های شمارشی (Poisson, Negative Binomial)
34. مدل های رگرسیون چندگانه (Multinomial regression)
35. مدل های اثرات مختلط (Mixed-effects models)
36. مدل های سطوح سلسله مراتبی (Hierarchical models)
37. ...