کتاب مسلط شدن بر تحلیل بیزی با R: راهنمای جامع برای مدل‌سازی و محاسبات پیشرفته
, ,

کتاب مسلط شدن بر تحلیل بیزی با R: راهنمای جامع برای مدل‌سازی و محاسبات پیشرفته

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000019379 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 مسلط شدن بر تحلیل بیزی با R: راهنمای جامع برای مدل‌سازی و محاسبات پیشرفته

موضوع کلی: علم داده (Data Science)

موضوع میانی: آمار و مدل‌سازی بیزی (Bayesian Statistics and Modeling)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. بخش ۱: مبانی و اصول تفکر بیزی
  • 2. فلسفه بیزی در مقابل فلسفه فراوانی‌گرایی (Frequentist)
  • 3. احتمال به عنوان درجه‌ای از باور
  • 4. قضیه بیز: سنگ بنای استنتاج بیزی
  • 5. اجزای مدل بیزی: پیشین (Prior)، درستنمایی (Likelihood) و پسین (Posterior)
  • 6. توزیع پیش‌بینی پسین (Posterior Predictive Distribution)
  • 7. آشنایی با R و RStudio برای تحلیل بیزی
  • 8. کار با توزیع‌های احتمالاتی در R
  • 9. محاسبات بیزی با تقریب شبکه‌ای (Grid Approximation)
  • 10. مفهوم پیشین‌های مزدوج (Conjugate Priors)
  • 11. انتخاب پیشین‌های ناآگاهانه (Uninformative Priors)
  • 12. بخش ۲: مدل‌سازی برای یک پارامتر
  • 13. مدل بیزی برای یک نسبت (مدل بتا-دوجمله‌ای)
  • 14. خلاصه‌سازی توزیع پسین: معیارهای مرکزی و پراکندگی
  • 15. فاصله‌های معتبر (Credible Intervals)
  • 16. آزمون فرض بیزی برای یک نسبت
  • 17. مقایسه دو نسبت با رویکرد بیزی
  • 18. مدل بیزی برای یک نرخ (مدل گاما-پواسون)
  • 19. مدل‌سازی میانگین یک توزیع نرمال با واریانس معلوم
  • 20. مدل‌سازی میانگین یک توزیع نرمال با واریانس نامعلوم
  • 21. استفاده از شبیه‌سازی برای استنتاج از توزیع پسین
  • 22. بخش ۳: مقدمه‌ای بر محاسبات مارکوف زنجیره‌ای مونت کارلو (MCMC)
  • 23. چرا به شبیه‌سازی نیاز داریم؟ نفرین ابعاد (Curse of Dimensionality)
  • 24. مقدمه‌ای بر روش‌های مونت کارلو
  • 25. مفهوم زنجیره مارکوف
  • 26. الگوریتم متروپلیس-هیستینگز (Metropolis-Hastings)
  • 27. الگوریتم نمونه‌برداری گیبز (Gibbs Sampling)
  • 28. ارزیابی همگرایی زنجیره‌ها: نمودارهای ردیابی (Trace Plots)
  • 29. تشخیص همگرایی: آماره Gelman-Rubin (R-hat)
  • 30. اندازه نمونه مؤثر (Effective Sample Size)
  • 31. مفهوم رقیق‌سازی (Thinning) و دوره گرم‌شدن (Burn-in)
  • 32. آشنایی با نرم‌افزار JAGS برای مدل‌سازی بیزی
  • 33. بخش ۴: مدل‌های رگرسیون خطی
  • 34. رگرسیون خطی ساده از دیدگاه بیزی
  • 35. تعیین پیشین برای پارامترهای رگرسیون (شیب و عرض از مبدأ)
  • 36. تعیین پیشین برای واریانس خطاها
  • 37. تفسیر توزیع پسین ضرایب رگرسیون
  • 38. پیش‌بینی و فاصله‌های پیش‌بینی معتبر
  • 39. بررسی مفروضات مدل با تحلیل باقی‌مانده‌ها
  • 40. رگرسیون خطی چندگانه بیزی
  • 41. انتخاب متغیر و اهمیت آن در مدل‌سازی
  • 42. مدل‌سازی با متغیرهای پیش‌بین رسته‌ای (Categorical Predictors)
  • 43. بررسی اثرات متقابل (Interaction Effects)
  • 44. بخش ۵: مدل‌های خطی تعمیم‌یافته (GLMs)
  • 45. مقدمه‌ای بر خانواده نمایی و مدل‌های GLM
  • 46. رگرسیون لجستیک بیزی برای داده‌های دوتایی
  • 47. تفسیر ضرایب در مقیاس لگاریتم شانس (Log-Odds)
  • 48. رگرسیون پواسون بیزی برای داده‌های شمارشی
  • 49. مشکل پراکندگی بیش از حد (Overdispersion) و راه‌حل‌ها
  • 50. رگرسیون دوجمله‌ای منفی (Negative Binomial)
  • 51. رگرسیون پروبیت (Probit Regression)
  • 52. رگرسیون قوی (Robust Regression) با توزیع t-student
  • 53. مدل‌های لجستیک چندجمله‌ای (Multinomial Logistic Regression)
  • 54. مدل‌های لجستیک ترتیبی (Ordinal Logistic Regression)
  • 55. بخش ۶: مدل‌های سلسله‌مراتبی (Hierarchical Models)
  • 56. مفهوم ادغام اطلاعات (Pooling): بدون ادغام در مقابل ادغام کامل
  • 57. ادغام جزئی (Partial Pooling): قدرت مدل‌های سلسله‌مراتبی
  • 58. مدل سلسله‌مراتبی برای نرخ‌ها و نسبت‌ها
  • 59. مدل اثرات تصادفی (Random Effects Model)
  • 60. مدل عرض از مبدأ تصادفی (Random Intercepts)
  • 61. مدل شیب تصادفی (Random Slopes)
  • 62. مدل عرض از مبدأ و شیب تصادفی
  • 63. مفهوم انقباض (Shrinkage) به سمت میانگین کلی
  • 64. پارامترسازی مجدد غیرمتمرکز (Non-centered Parameterization)
  • 65. تجسم و تفسیر نتایج مدل‌های سلسله‌مراتبی
  • 66. بخش ۷: بررسی، اعتبارسنجی و مقایسه مدل‌ها
  • 67. فلسفه بررسی مدل در آمار بیزی
  • 68. بررسی‌های پیش‌بینی پسین گرافیکی (Graphical Posterior Predictive Checks)
  • 69. بررسی‌های پیش‌بینی پسین عددی (Numerical Posterior Predictive Checks)
  • 70. تحلیل حساسیت نسبت به توزیع پیشین
  • 71. معیار اطلاعاتی انحراف (DIC)
  • 72. معیار اطلاعاتی وابه-آکائیکه (WAIC)
  • 73. اعتبارسنجی متقابل حذفی (LOO-CV)
  • 74. استفاده از بسته loo در R برای مقایسه مدل‌ها
  • 75. فاکتور بیز (Bayes Factor) برای مقایسه مدل‌ها
  • 76. میانگین‌گیری مدل بیزی (Bayesian Model Averaging)
  • 77. بخش ۸: ابزارهای مدرن بیزی در R
  • 78. مقدمه‌ای بر Stan و زبان مدل‌نویسی آن
  • 79. استفاده از بسته rstan برای اجرای مدل‌های Stan در R
  • 80. معرفی بسته brms: مدلسازی آسان و قدرتمند
  • 81. ساخت مدل‌های پیچیده با سینتکس فرمول در brms
  • 82. استخراج و تحلیل نتایج با brms
  • 83. معرفی بسته tidybayes برای کار با نتایج بیزی در اکوسیستم tidyverse
  • 84. تجسم توزیع‌های پسین با tidybayes و ggplot2
  • 85. جایگزین‌های MCMC: بیز وردشی (Variational Bayes)
  • 86. جایگزین‌های MCMC: نمونه‌برداری همیلتونی مونت کارلو (HMC) و NUTS
  • 87. ایجاد یک گردش کار (Workflow) قابل بازتولید با R Markdown
  • 88. بخش ۹: موضوعات پیشرفته در مدل‌سازی
  • 89. مدل‌های آمیخته (Mixture Models) برای شناسایی خوشه‌های پنهان
  • 90. تحلیل کلاس پنهان (Latent Class Analysis)
  • 91. مدل‌سازی داده‌های گمشده با رویکرد بیزی
  • 92. مدل‌های خطای اندازه‌گیری (Measurement Error Models)
  • 93. تحلیل بقا (Survival Analysis) بیزی
  • 94. مدل‌های بقا پارامتریک (وایبول، نمایی)
  • 95. مدل نیمه‌پارامتریک خطرات متناسب کاکس (Cox Proportional Hazards)
  • 96. مقدمه‌ای بر تحلیل سری‌های زمانی بیزی
  • 97. مدل‌های خودرگرسیو (Autoregressive – AR)
  • 98. مدل‌های حالت-فضا (State-Space Models) و فیلتر کالمن
  • 99. بخش ۱۰: کاربردهای خاص و جمع‌بندی
  • 100. مقدمه‌ای بر آمار فضایی (Spatial Statistics) بیزی

📚 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 مسلط شدن بر تحلیل بیزی با R: راهنمای جامع برای مدل‌سازی و محاسبات پیشرفته”

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

محصولات مشابه

پیمایش به بالا