کتاب مدل‌های جمعی تعمیم‌یافته (GAM) با R: از تئوری تا پیاده‌سازی عملی
, ,

کتاب مدل‌های جمعی تعمیم‌یافته (GAM) با R: از تئوری تا پیاده‌سازی عملی

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000019426 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 مدل‌های جمعی تعمیم‌یافته (GAM) با R: از تئوری تا پیاده‌سازی عملی

موضوع کلی: مدل‌سازی پیش‌بین (Predictive Modeling)

موضوع میانی: مدل‌های رگرسیون پیشرفته

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر مدل‌سازی پیش‌بین و رگرسیون
  • 2. مروری بر رگرسیون خطی و تعمیم‌ها
  • 3. مفاهیم اصلی در مدل‌های جمعی (Additive Models)
  • 4. چرا به مدل‌های جمعی تعمیم‌یافته (GAMs) نیاز داریم؟
  • 5. آشنایی با کتاب "Generalized Additive Models: An Introduction with R"
  • 6. نصب و راه‌اندازی R و بسته‌های مورد نیاز GAM
  • 7. وارد کردن و آماده‌سازی داده‌ها برای مدل‌سازی GAM
  • 8. مروری بر انواع متغیرها و نحوه برخورد با آن‌ها
  • 9. تجسم داده‌ها برای شناسایی الگوها و روابط
  • 10. مقدمه‌ای بر توابع پایه (Basis Functions)
  • 11. توابع پایه چند جمله‌ای (Polynomial Basis Functions)
  • 12. توابع پایه اسپیلاین (Spline Basis Functions)
  • 13. توابع پایه B-Spline
  • 14. توابع پایه thin plate spline
  • 15. انتخاب توابع پایه مناسب برای داده‌های مختلف
  • 16. درجه آزادی (Degrees of Freedom) و اهمیت آن در GAM
  • 17. انتخاب درجه آزادی مناسب برای توابع پایه
  • 18. مفهوم هموارسازی (Smoothing) در GAM
  • 19. روش‌های هموارسازی مختلف
  • 20. مروری بر روش‌های penalized regression
  • 21. مقدمه‌ای بر برازش مدل GAM در R با بسته `mgcv`
  • 22. نحوه استفاده از تابع `gam()`
  • 23. تشخیص و رفع مشکلات همخطی (Collinearity) در GAM
  • 24. تشخیص و رفع مشکلات outliers در GAM
  • 25. انتخاب متغیرها در GAM
  • 26. استفاده از AIC و BIC برای انتخاب مدل
  • 27. اعتبارسنجی مدل GAM با روش‌های cross-validation
  • 28. تفسیر نتایج مدل GAM
  • 29. تجسم اثرات متغیرها در GAM
  • 30. تشخیص اثرات خطی و غیرخطی در GAM
  • 31. مقدمه‌ای بر توزیع‌های خانواده نمایی (Exponential Family Distributions)
  • 32. GAM برای داده‌های با توزیع نرمال
  • 33. GAM برای داده‌های با توزیع پواسون (Poisson)
  • 34. GAM برای داده‌های با توزیع دوجمله‌ای (Binomial)
  • 35. GAM برای داده‌های با توزیع گاما (Gamma)
  • 36. GAM برای داده‌های با توزیع معکوس گوسی (Inverse Gaussian)
  • 37. پیاده‌سازی GAM برای داده‌های شمارشی (Count Data)
  • 38. پیاده‌سازی GAM برای داده‌های دودویی (Binary Data)
  • 39. پیاده‌سازی GAM برای داده‌های پیوسته (Continuous Data)
  • 40. مدل‌سازی با GAM برای داده‌های زمان بقا (Survival Analysis)
  • 41. مقدمه‌ای بر اثرات تصادفی (Random Effects) در GAM
  • 42. پیاده‌سازی GAM با اثرات تصادفی
  • 43. استفاده از GAM برای داده‌های سری زمانی (Time Series Data)
  • 44. مقدمه‌ای بر مدل‌های GAM فضایی (Spatial GAM)
  • 45. پیاده‌سازی GAM فضایی با R
  • 46. GAM برای داده‌های Panel Data
  • 47. GAM برای پیش‌بینی (Prediction)
  • 48. ارزیابی دقت پیش‌بینی در GAM
  • 49. مقایسه GAM با سایر روش‌های مدل‌سازی
  • 50. GAM در مقابل رگرسیون خطی چندگانه
  • 51. GAM در مقابل رگرسیون لجستیک
  • 52. GAM در مقابل درخت‌های تصمیم (Decision Trees)
  • 53. GAM در مقابل ماشین‌های بردار پشتیبان (Support Vector Machines)
  • 54. GAM در مقابل شبکه‌های عصبی (Neural Networks)
  • 55. مدل‌سازی با GAM برای داده‌های بزرگ (Big Data)
  • 56. مقدمه‌ای بر parallel computing در R
  • 57. بهینه‌سازی مدل GAM برای سرعت و کارایی
  • 58. GAM با استفاده از بسته `bam()` در R
  • 59. GAM برای داده‌های غیرساخت‌یافته (Unstructured Data)
  • 60. GAM با استفاده از یادگیری عمیق (Deep Learning)
  • 61. GAM و روش‌های ensemble learning
  • 62. مقدمه‌ای بر GAM چندمتغیره (Multivariate GAM)
  • 63. GAM با استفاده از کوواریانس‌ متغیر با زمان (Time-Varying Covariates)
  • 64. GAM با استفاده از داده‌های censored
  • 65. GAM با استفاده از داده‌های truncated
  • 66. GAM با استفاده از داده‌های inflated
  • 67. GAM و مدل‌های hierarchical
  • 68. GAM و تحلیل بقا با رقابت ریسک (Competing Risks)
  • 69. GAM و مدل‌های state-space
  • 70. GAM و تحلیل سری‌های زمانی چند متغیره
  • 71. GAM و مدل‌های دینامیکی
  • 72. GAM و مدل‌های غیرپارامتری
  • 73. GAM و مدل‌های نیمه‌پارامتری
  • 74. GAM و اثرات تعاملی (Interaction Effects)
  • 75. تشخیص و مدل‌سازی اثرات تعاملی در GAM
  • 76. GAM با استفاده از توابع پایه دو بعدی (Two-Dimensional Basis Functions)
  • 77. GAM با استفاده از توابع پایه سه بعدی (Three-Dimensional Basis Functions)
  • 78. GAM برای مدل‌سازی اثرات غیرخطی پیچیده
  • 79. GAM و بررسی ناهمسانی واریانس (Heteroscedasticity)
  • 80. GAM و مدل‌سازی واریانس
  • 81. GAM و تحلیل حساسیت (Sensitivity Analysis)
  • 82. GAM و تحلیل عدم قطعیت (Uncertainty Analysis)
  • 83. GAM و تحلیل تاثیر (Influence Analysis)
  • 84. GAM و مدل‌سازی Bayesian
  • 85. GAM با استفاده از Stan
  • 86. GAM با استفاده از JAGS
  • 87. GAM و استنباط Bayesian
  • 88. GAM و انتخاب مدل Bayesian
  • 89. GAM و پیش‌بینی Bayesian
  • 90. GAM و تحلیل تصمیم (Decision Analysis)
  • 91. GAM و کاربردهای بالینی
  • 92. GAM و کاربردهای مالی
  • 93. GAM و کاربردهای زیست‌محیطی
  • 94. GAM و کاربردهای بازاریابی
  • 95. GAM و کاربردهای مهندسی
  • 96. GAM و ایجاد داشبوردهای تعاملی با Shiny
  • 97. GAM و مستندسازی مدل
  • 98. GAM و گزارش‌دهی نتایج
  • 99. اخلاق در مدل‌سازی GAM
  • 100. محدودیت‌های GAM و چالش‌ها

📚 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 مدل‌های جمعی تعمیم‌یافته (GAM) با R: از تئوری تا پیاده‌سازی عملی”

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

محصولات مشابه

پیمایش به بالا