فلشکارتهای آموزشی کاربرد MCMC با Stan در مسائل کاربردی
📚 کتاب آموزشی جامع
📚 اطلاعات کتاب
عنوان کتاب: کتاب کاربرد MCMC با Stan در مسائل کاربردی
موضوع کلی: روشهای نمونهگیری مونتکارلو مارکوف (MCMC) در آمار بیزی
موضوع میانی: مخاطرات و تنظیمات Stan
📋 سرفصلهای کتاب (100 موضوع)
- 1. مقدمه ای بر آمار بیزی و مدل سازی احتمالاتی
- 2. مبانی استنتاج بیزی
- 3. قضیه بیز
- 4. توزیع پیشین و پسین
- 5. توزیع های رایج در آمار بیزی
- 6. مقدمه ای بر نمونه برداری زنجیره مارکوف (MCMC)
- 7. مفهوم زنجیره مارکوف
- 8. مفهوم حالت پایدار
- 9. چرا MCMC؟
- 10. مزایای MCMC در مقایسه با روش های تحلیلی
- 11. محدودیت های MCMC
- 12. معرفی نرم افزار Stan
- 13. تاریخچه و فلسفه Stan
- 14. نصب و راه اندازی Stan
- 15. محیط توسعه Stan (IDE)
- 16. زبان مدل سازی Stan (Stan Language)
- 17. ساختار یک برنامه Stan
- 18. بخش های اصلی یک مدل Stan: `data`, `parameters`, `transformed parameters`, `model`, `generated quantities`
- 19. تعریف متغیرها و داده ها در Stan
- 20. تعریف پارامترها و پیشین ها در Stan
- 21. توابع توزیع احتمال در Stan
- 22. نوشتن مدل های ساده در Stan
- 23. مثال: رگرسیون خطی ساده با Stan
- 24. مثال: مدل های طبقه بندی با Stan
- 25. مثال: مدل های سری زمانی با Stan
- 26. مقدمه ای بر الگوریتم های MCMC در Stan
- 27. الگوریتم نمونه برداری هابز (Hamiltonian Monte Carlo - HMC)
- 28. مفهوم گرادیان و انرژی در HMC
- 29. نرمال سازی (Leapfrog Integration)
- 30. تنظیم پارامترهای HMC (stepsize, number of steps)
- 31. الگوریتم نمونه برداری تطبیقی هابز (Adaptive Hamiltonian Monte Carlo - AHMC)
- 32. الگوریتم نمونه برداری از توزیعهای غیرقابل نرمال سازی (No-U-Turn Sampler - NUTS)
- 33. مزایای NUTS نسبت به HMC
- 34. تنظیم پارامترهای NUTS
- 35. اجرای مدل ها در Stan
- 36. نحوه فراخوانی Stan از R
- 37. نحوه فراخوانی Stan از Python
- 38. نحوه فراخوانی Stan از Julia
- 39. تفسیر خروجی Stan
- 40. بررسی همگرایی زنجیره ها
- 41. نمودارهای Trace Plot
- 42. نمودارهای Autocorrelation Plot
- 43. آماره R-hat (Gelman-Rubin statistic)
- 44. نسبت نمونه های موثر (Effective Sample Size - ESS)
- 45. بررسی توزیع پسین
- 46. هیستوگرام توزیع پسین
- 47. نمودارهای Kernel Density Estimate (KDE)
- 48. محاسبه میانگین، میانه، واریانس و سایر آماره های توزیع پسین
- 49. محاسبه فواصل اطمینان بیزی (Credible Intervals)
- 50. اعتبارسنجی مدل
- 51. بررسی برازش مدل (Goodness of Fit)
- 52. Residual plots
- 53. Posterior predictive checks
- 54. مقایسه مدل ها
- 55. معیارهای اطلاعاتی بیزی (Bayesian Information Criteria - BIC)
- 56. معیارهای اطلاعاتی بیزی (Deviance Information Criteria - DIC)
- 57. معیارهای اطلاعاتی بیزی (Watanabe-Akaike Information Criterion - WAIC)
- 58. کاربرد MCMC با Stan در مسائل مختلف
- 59. مدل سازی رگرسیون خطی چندگانه با Stan
- 60. مدل سازی رگرسیون لجستیک با Stan
- 61. مدل سازی مدل های خطی تعمیم یافته (GLMs) با Stan
- 62. مدل سازی مدل های رگرسیون پواسون با Stan
- 63. مدل سازی مدل های رگرسیون ناپارامتری با Stan
- 64. مدل سازی مدل های سلسله مراتبی (Hierarchical Models) با Stan
- 65. مزایای مدل های سلسله مراتبی
- 66. مثال: مدل سازی داده های گروه بندی شده با Stan
- 67. مثال: مدل سازی داده های مکانی با Stan
- 68. مثال: مدل سازی داده های زمانی با Stan
- 69. مدل سازی مدل های مخلوط (Mixed Models) با Stan
- 70. مدل سازی مدل های عاملی (Factor Models) با Stan
- 71. مدل سازی مدل های شبکه ای (Network Models) با Stan
- 72. مدل سازی مدل های بقا (Survival Models) با Stan
- 73. مدل سازی مدل های اندازه گیری تکراری (Repeated Measures Models) با Stan
- 74. مدل سازی مدل های سری زمانی پیچیده با Stan
- 75. مدل سازی مدل های پویایی سیستم (System Dynamics Models) با Stan
- 76. مدل سازی مدل های بیزین شبکه های عصبی (Bayesian Neural Networks) با Stan
- 77. کاربرد MCMC با Stan در علوم زیستی
- 78. مدل سازی ژنتیکی و ژنومیک با Stan
- 79. مدل سازی اپیدمیولوژیک با Stan
- 80. مدل سازی داروشناسی با Stan
- 81. مدل سازی مطالعات بالینی با Stan
- 82. کاربرد MCMC با Stan در علوم اجتماعی
- 83. مدل سازی نظرسنجی ها با Stan
- 84. مدل سازی داده های پنل با Stan
- 85. مدل سازی رفتارهای اقتصادی با Stan
- 86. مدل سازی داده های شبکه های اجتماعی با Stan
- 87. کاربرد MCMC با Stan در علوم مهندسی
- 88. مدل سازی اطمینان پذیری با Stan
- 89. مدل سازی داده های حسگر با Stan
- 90. مدل سازی سیستم های پیچیده با Stan
- 91. کاربرد MCMC با Stan در علوم محیط زیست
- 92. مدل سازی تغییرات اقلیمی با Stan
- 93. مدل سازی کیفیت هوا با Stan
- 94. مدل سازی داده های زیست محیطی با Stan
- 95. کاربرد MCMC با Stan در علوم مالی
- 96. مدل سازی ریسک با Stan
- 97. مدل سازی قیمت گذاری دارایی با Stan
- 98. مدل سازی سری های زمانی مالی با Stan
- 99. بهینه سازی مدل های Stan
- 100. نکات و ترفندها برای نوشتن مدل های کارآمد در Stan
SMART LEARNING PLATFORM
از مطالعه تا یادگیری ماندگار
فراتر از یک مجموعه فلشکارت؛ تجربهای تعاملی برای یادگیری، تمرین، مرور هوشمند و مشاهده مسیر پیشرفت شما، همراه با امکان دریافت گواهی پایان دوره در دورههای واجد شرایط.
مرور فاصلهدار
آمار یادگیری
گواهی دوزبانه
یادگیری را به یک مسیر قابل پیگیری تبدیل کنید
با ورود به سامانه آموزشی، محتوای دوره را بهصورت مرحلهای دنبال کنید، فلشکارتها را مرور کنید، دانش خود را با پرسشها و آزمونها بسنجید و روند پیشرفتتان را در طول مسیر ببینید.
⟳
مرور فاصلهدار هوشمند
با مرور زماندار، کارتهای تازه و کارتهای سررسیدشده را بر اساس برنامه مرور دنبال کنید. ارزیابی پاسخها به زمانبندی مرورهای بعدی کمک میکند تا تمرین متناسبتری داشته باشید.
◉
مشاهده مسیر پیشرفت
میزان مشاهده فلشکارتها، فعالیتهای مرور، عملکرد آزمونها و آمار یادگیری را بررسی کنید و تصویر روشنتری از مسیر آموزشی خود داشته باشید.
▤
یادگیری مرحلهبهمرحله
فصلها و بخشهای آموزشی را به ترتیب دنبال کنید، مطالب دیدهنشده را پیدا کنید و بدون سردرگمی به ادامه مسیر برگردید.
✓
تمرین و سنجش آموختهها
با نکتههای آموزشی، پرسش و پاسخ، کوییزها و آزمونهای پایان فصل، دانستههای خود را تمرین کنید و بخشهایی را که به توجه بیشتری نیاز دارند بشناسید.
SMART REVIEW
هر بار، مرور هدفمندتر
لازم نیست هر روز از ابتدا درباره اینکه چه چیزی را مرور کنید تصمیم بگیرید. سامانه، صف مرور روزانه را بر اساس کارتهای تازه و موعد مرور کارتها آماده میکند. شما پاسخ را ارزیابی میکنید و برنامه مرور با توجه به آن تنظیم میشود.
دوباره
برای کارتهایی که به تمرین زودتر نیاز دارند.
سخت
برای پاسخهایی که با دشواری به یاد آمدهاند.
خوب
برای پاسخهایی که بهدرستی به یاد آوردهاید.
آسان
برای کارتهایی که پاسخ آنها را بهآسانی میدانید.
برنامه مرور بر اساس ارزیابی شما تنظیم میشود؛ مرور منظم میتواند به تثبیت آموختهها کمک کند، اما بهتنهایی تضمینکننده تسلط کامل نیست.
محتوا را به شیوههای مختلف تمرین کنید
ساختار دورهها متناسب با موضوع آموزشی طراحی شده است و ممکن است انواع مختلفی از محتوا را در بر بگیرد.
نکتههای ساده
برای مرور سریع مفاهیم اصلی و نکات کلیدی.
نکتههای رسمی
برای تمرین تعاریف، اصطلاحات و بیان دقیق علمی.
کوییز
برای سنجش درک مطلب و بررسی گزینه صحیح.
پرسش و پاسخ
برای تمرین یادآوری و سنجش میزان تسلط بر مطالب.
محتوای هر دوره بر اساس ساختار و امکانات فعال همان دوره ارائه میشود.
LEARN ANYWHERE
همراه شما روی مرورگر
برای استفاده از نسخه تحت وب، کافی است با حساب کاربری خود وارد سامانه شوید. بدون نیاز به نصب یک برنامه اختصاصی، میتوانید از مرورگر سازگار روی گوشی، تبلت یا رایانه به دورههای در دسترس خود مراجعه کنید.
گوشی هوشمند
برای مطالعه در زمانهای کوتاه
تبلت و لپتاپ
برای مطالعه و مرور راحتتر
حساب کاربری شخصی
برای دسترسی به دورههای مجاز شما
COURSE COMPLETION CERTIFICATE
گواهی پایان دوره؛ ثبت دستاورد شما
در دورههایی که امکان دریافت گواهی برای آنها فعال است، میتوانید پس از تکمیل شرایط آموزشی، درخواست گواهی پایان دوره ثبت کنید.
شرایط درخواست گواهی
✓ داشتن دسترسی دارای قابلیت گواهی برای دوره مربوطه.
✓ تکمیل اطلاعات لازم در پروفایل، شامل کد ملی معتبر، عکس پرسنلی و نام و نام خانوادگی انگلیسی.
✓ مشاهده تمام فلشکارتهای فعال دوره.
✓ قبولی در آزمونهای پایان فصل، در صورت وجود آزمون برای فصلها.
فارسی و انگلیسی
پس از تأیید و انتشار، نسخههای فارسی و انگلیسی گواهی در دسترس قرار میگیرند.
استعلام آنلاین
گواهی منتشرشده دارای QR Code و لینک اختصاصی برای بررسی آنلاین اعتبار آن است.
دانلود و چاپ
پس از انتشار گواهی، امکان دریافت نسخه PDF فارسی و انگلیسی و چاپ آن فراهم است.
توجه: ثبت درخواست به معنای صدور قطعی نیست. درخواست گواهی پس از بررسی و تأیید ادمین منتشر میشود. این گواهی، گواهی پایان دوره آموزشی است و بهخودیخود معادل مدرک دانشگاهی یا مدرک رسمی مورد تأیید نهادهای دولتی نیست.
یادگیری را شروع کنید؛ پیشرفت را دنبال کنید
با تمرین منظم، مرور هدفمند و پیگیری مسیر آموزشی خود، قدمبهقدم دانش و مهارتهایتان را گسترش دهید.
هر کارت، یک قدم به جلو
امکانات محتوایی، مرور و گواهی بر اساس سطح دسترسی و تنظیمات هر دوره متفاوت است.
نگاهی به محیط سامانه
یادگیری هوشمند، قدمبهقدم
با محیط سامانه آموزشی آشنا شوید و نمونههایی از فضای یادگیری، فلشکارتها و ابزارهای مرور و تمرین را مشاهده کنید.
محیط سامانه آموزشی
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
یادگیری و مرور مطالب
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
تجربه مطالعه تعاملی
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
امکانات بیشتر سامانه
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
یادگیری فراتر از مطالعه معمولی
با فلشکارتهای آموزشی، مرور هدفمند و تمرین مستمر، مطالب را فعالانه یاد بگیرید و مسیر پیشرفت خود را دنبال کنید.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.