کتاب استفاده از Stan برای تحلیل پیشرفته داده
, ,

کتاب استفاده از Stan برای تحلیل پیشرفته داده

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000026528 دسته: , , برچسب: , , , , , , , , , , , , , ,

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب استفاده از Stan برای تحلیل پیشرفته داده

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر Stan و مدل سازی بیزی
  • 2. چرا Stan؟ مزایا و قابلیت ها
  • 3. نصب و راه اندازی Stan (R, Python, Julia, CmdStan)
  • 4. مبانی زبان Stan (Stan Language)
  • 5. انواع مدل ها در Stan: مدل های خطی، مدل های سلسله مراتبی، مدل های فضایی و زمانی
  • 6. مقدمه ای بر مدل سازی بیزی
  • 7. مفاهیم کلیدی مدل سازی بیزی: تابع درست نمایی، توزیع پیشین، توزیع پسین
  • 8. انتخاب توزیع های پیشین مناسب
  • 9. اهمیت توزیع های پیشین غیر معلوم (Non-informative Priors)
  • 10. اهمیت توزیع های پیشین معلوم (Informative Priors)
  • 11. کاربرد توزیع های پیشین در Stan
  • 12. مقدمه ای بر نمونه گیری زنجیره مارکوف مونت کارلو (MCMC)
  • 13. الگوریتم های MCMC در Stan: NUTS (No-U-Turn Sampler)
  • 14. مزایای NUTS نسبت به سایر الگوریتم ها
  • 15. تنظیمات MCMC در Stan: تعداد زنجیره ها، تعداد گام های اولیه (warmup)، تعداد نمونه ها
  • 16. عیب یابی و تشخیص همگرایی (Convergence Diagnostics)
  • 17. شاخص R-hat (Gelman-Rubin Statistic)
  • 18. شاخص های trace plot و autocorrelation plot
  • 19. روش های تشخیص همگرایی در Stan
  • 20. ارزیابی کیفیت نمونه ها (Sample Quality Assessment)
  • 21. بررسی توزیع پسین (Posterior Distribution)
  • 22. محاسبه میانگین، میانه و انحراف معیار توزیع پسین
  • 23. محاسبه فواصل اطمینان بیزی (Bayesian Credible Intervals)
  • 24. تجسم توزیع پسین (Posterior Visualization)
  • 25. نمودارهای هیستوگرام، چگالی و جعبه ای
  • 26. تجسم توزیع های چند متغیره
  • 27. مقدمه ای بر مدل های خطی بیزی
  • 28. مدل رگرسیون خطی بیزی در Stan
  • 29. انتخاب توزیع های پیشین برای پارامترهای مدل خطی
  • 30. تفسیر نتایج مدل رگرسیون خطی بیزی
  • 31. مدل های رگرسیون خطی تعاملی (Interaction Terms)
  • 32. مدل های رگرسیون خطی غیر خطی (Non-linear Regression)
  • 33. مدل های رگرسیون خطی سلسله مراتبی (Hierarchical Linear Models)
  • 34. مقدمه ای بر مدل های سلسله مراتبی
  • 35. مزایای مدل های سلسله مراتبی
  • 36. ساختار مدل های سلسله مراتبی در Stan
  • 37. مدل های اثرات ثابت (Fixed Effects) و اثرات تصادفی (Random Effects)
  • 38. مدل های سلسله مراتبی چند سطحی (Multi-level Hierarchical Models)
  • 39. مدل های سلسله مراتبی با اثرات مشترک (Pooling)
  • 40. مدل های سلسله مراتبی با اثرات جزئی (Partial Pooling)
  • 41. مدل های سلسله مراتبی با اثرات بدون اشتراک (No Pooling)
  • 42. کاربرد مدل های سلسله مراتبی در Stan
  • 43. مقدمه ای بر مدل های سری زمانی بیزی
  • 44. مدل های سری زمانی ساده در Stan (AR, MA, ARMA)
  • 45. مدل های سری زمانی پیچیده در Stan (ARIMA, SARIMA)
  • 46. مدل های سری زمانی با روند و فصلیت (Trend and Seasonality)
  • 47. مدل های سری زمانی با متغیرهای خارجی (Exogenous Variables)
  • 48. مدل های سری زمانی سلسله مراتبی
  • 49. مدل های سری زمانی غیر خطی
  • 50. کاربرد مدل های سری زمانی بیزی در Stan
  • 51. مقدمه ای بر مدل های فضایی بیزی
  • 52. مدل های فضایی ساده در Stan
  • 53. مدل های فضایی با همبستگی مکانی (Spatial Autocorrelation)
  • 54. مدل های فضایی با اثرات مکانی تصادفی
  • 55. مدل های فضایی سلسله مراتبی
  • 56. مدل های فضایی با توزیع های احتمالی خاص
  • 57. کاربرد مدل های فضایی بیزی در Stan
  • 58. مقدمه ای بر مدل های بقا (Survival Analysis) بیزی
  • 59. مدل کاکس (Cox Proportional Hazards Model) بیزی
  • 60. مدل های بقا با توزیع های پسین (Parametric Survival Models)
  • 61. مدل های بقا با عوامل پیشگو (Covariates)
  • 62. مدل های بقا سلسله مراتبی
  • 63. مدل های بقا با داده های سانسور شده (Censored Data)
  • 64. کاربرد مدل های بقا بیزی در Stan
  • 65. مقدمه ای بر مدل های طبقه بندی (Classification) بیزی
  • 66. مدل رگرسیون لجستیک بیزی (Bayesian Logistic Regression)
  • 67. مدل های طبقه بندی چند کلاسه (Multinomial Logistic Regression)
  • 68. مدل های طبقه بندی با توزیع های گوسی (Gaussian)
  • 69. مدل های طبقه بندی با توزیع های برنولی (Bernoulli)
  • 70. مدل های طبقه بندی سلسله مراتبی
  • 71. کاربرد مدل های طبقه بندی بیزی در Stan
  • 72. مقدمه ای بر مدل های رگرسیون شمارشی (Count Regression) بیزی
  • 73. مدل پواسون (Poisson Regression) بیزی
  • 74. مدل دوجمله‌ای منفی (Negative Binomial Regression) بیزی
  • 75. مدل های شمارشی با داده های بیش از حد پراکنده (Overdispersed Count Data)
  • 76. مدل های شمارشی سلسله مراتبی
  • 77. کاربرد مدل های رگرسیون شمارشی بیزی در Stan
  • 78. مقدمه ای بر مدل های اکتشافی داده (Exploratory Data Analysis – EDA) در Stan
  • 79. تجسم داده ها با استفاده از Stan
  • 80. محاسبه آماره های توصیفی با Stan
  • 81. شناسایی الگوهای داده با Stan
  • 82. مقدمه ای بر اعتبارسنجی مدل (Model Validation)
  • 83. اعتبارسنجی متقابل (Cross-validation) بیزی
  • 84. پیش بینی های خارج از نمونه (Out-of-Sample Predictions)
  • 85. محاسبه معیارهای ارزیابی مدل (Model Evaluation Metrics)
  • 86. مقایسه مدل های مختلف با استفاده از Stan
  • 87. مقدمه ای بر مدل های بیزی پیشرفته
  • 88. مدل های شبکه بیزی (Bayesian Networks)
  • 89. مدل های گرافیکی بیزی (Bayesian Graphical Models)
  • 90. مدل های استنتاج بیزی (Bayesian Inference Models)
  • 91. مدل های یادگیری ماشین بیزی (Bayesian Machine Learning)
  • 92. مقدمه ای بر برنامه نویسی کارآمد در Stan
  • 93. بهینه سازی کد Stan
  • 94. استفاده از توابع و دستورات Stan
  • 95. مدیریت داده ها در Stan
  • 96. مقدمه ای بر موارد کاربردی Stan
  • 97. کاربرد Stan در علوم اجتماعی
  • 98. کاربرد Stan در علوم زیستی
  • 99. کاربرد Stan در علوم اقتصادی
  • 100. کاربرد Stan در مهندسی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب استفاده از Stan برای تحلیل پیشرفته داده”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

محصولات مشابه

پیمایش به بالا