کتاب تحلیل داده بیزی کاربردی: راهنمای جامع با R, JAGS و Stan
, ,

کتاب تحلیل داده بیزی کاربردی: راهنمای جامع با R, JAGS و Stan

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000019468 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 تحلیل داده بیزی کاربردی: راهنمای جامع با R, JAGS و Stan

موضوع کلی: علم داده و تحلیل پیشرفته

موضوع میانی: آمار بیزی و مدل‌سازی احتمالی

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر تفکر بیزی: فراتر از فراوانی‌گرایی
  • 2. چرا آمار بیزی؟ مزایا و کاربردها در علم داده
  • 3. مبانی احتمال: از فضای نمونه تا توزیع‌های احتمالی
  • 4. احتمال شرطی و قضیه بیز: سنگ بنای استنتاج
  • 5. تفسیر بیزی از احتمال: باور و قطعیت
  • 6. اجزای یک مدل بیزی: پیشین، درستنمایی و پسین
  • 7. نصب و راه‌اندازی R و RStudio برای تحلیل بیزی
  • 8. آشنایی با بسته‌های کلیدی: tidyverse, rjags, rstan
  • 9. توزیع‌های پیشین (Prior): انتخاب و توجیه
  • 10. توزیع‌های پیشین ناآگاهانه (Uninformative Priors) در مقابل آگاهانه (Informative Priors)
  • 11. توزیع درستنمایی (Likelihood): پیوند داده‌ها به پارامترها
  • 12. توزیع پسین (Posterior): ترکیب دانش پیشین و داده‌ها
  • 13. استنتاج بیزی: توصیف توزیع پسین
  • 14. بازه معتبر (Credible Interval) در مقابل بازه اطمینان (Confidence Interval)
  • 15. معرفی شبیه‌سازی و روش‌های مونت کارلو
  • 16. چرا به MCMC (زنجیره مارکوف مونت کارلو) نیاز داریم؟
  • 17. آشنایی با الگوریتم گیبز (Gibbs Sampling)
  • 18. آشنایی با الگوریتم متروپلیس-هیستینگز (Metropolis-Hastings)
  • 19. معرفی JAGS: زبانی برای مدل‌سازی بیزی
  • 20. نوشتن اولین مدل در JAGS: مدل سکه
  • 21. اجرای مدل JAGS از طریق R با بسته rjags
  • 22. معرفی Stan: پلتفرمی مدرن برای مدل‌سازی آماری
  • 23. نوشتن اولین مدل در Stan: باز هم مدل سکه
  • 24. اجرای مدل Stan از طریق R با بسته rstan
  • 25. بررسی همگرایی زنجیره‌ها: نمودارهای Trace Plot
  • 26. معیار همگرایی Gelman-Rubin (R-hat)
  • 27. اندازه نمونه مؤثر (Effective Sample Size – ESS)
  • 28. خلاصه کردن توزیع پسین: معیارهای گرایش مرکزی و پراکندگی
  • 29. تجسم توزیع پسین: هیستوگرام و نمودار چگالی
  • 30. مدل‌سازی داده‌های دوتایی: توزیع برنولی و دوجمله‌ای
  • 31. انتخاب پیشین مزدوج: توزیع بتا برای پارامتر برنولی
  • 32. تخمین یک نسبت و بازه معتبر آن
  • 33. آزمون فرض بیزی: ناحیه برابری عملی (ROPE)
  • 34. مقایسه دو نسبت: رویکرد بیزی
  • 35. بررسی کیفیت مدل (Model Checking): بررسی پیش‌گویانه پسین
  • 36. مدل‌سازی داده‌های پیوسته: توزیع نرمال
  • 37. تخمین میانگین با واریانس معلوم
  • 38. تخمین میانگین و واریانس به صورت همزمان
  • 39. انتخاب توزیع پیشین برای میانگین و واریانس
  • 40. رویکرد بیزی به آزمون تی (t-test): مدل BEST
  • 41. مدل‌سازی مقاوم (Robust Modeling): استفاده از توزیع تی استیودنت
  • 42. مقایسه دو گروه: تحلیل تفاوت میانگین‌ها
  • 43. تحلیل توان آماری از دیدگاه بیزی
  • 44. مقدمه‌ای بر رگرسیون خطی ساده بیزی
  • 45. تفسیر پارامترهای رگرسیون (عرض از مبدأ و شیب) در چارچوب بیزی
  • 46. انتخاب توزیع‌های پیشین برای پارامترهای رگرسیون
  • 47. پیاده‌سازی رگرسیون خطی ساده در Stan
  • 48. ارزیابی عدم قطعیت در خط رگرسیون
  • 49. بررسی کیفیت مدل رگرسیون: تحلیل باقی‌مانده‌ها
  • 50. پیش‌بینی مقادیر جدید و بازه‌های پیش‌بینی
  • 51. رگرسیون خطی چندگانه بیزی
  • 52. تفسیر ضرایب در رگرسیون چندگانه
  • 53. اثرات متقابل (Interaction Effects) بین متغیرها
  • 54. کار با متغیرهای پیش‌بین طبقه‌ای (Categorical Predictors)
  • 55. چالش هم‌خطی چندگانه (Multicollinearity)
  • 56. مقایسه مدل‌ها: فاکتور بیز (Bayes Factor)
  • 57. معیارهای اطلاعاتی: DIC, WAIC و LOO-IC
  • 58. انتخاب متغیر بیزی (Bayesian Variable Selection)
  • 59. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLM)
  • 60. رگرسیون لجستیک بیزی: مدل‌سازی احتمالات
  • 61. تفسیر ضرایب در مقیاس لگاریتم شانس (Log-Odds)
  • 62. پیاده‌سازی رگرسیون لجستیک در Stan
  • 63. بررسی کیفیت مدل برای رگرسیون لجستیک
  • 64. رگرسیون پواسون بیزی: مدل‌سازی داده‌های شمارشی
  • 65. مشکل پراکندگی بیش از حد (Overdispersion)
  • 66. مدل دوجمله‌ای منفی (Negative Binomial) برای داده‌های شمارشی
  • 67. مقدمه‌ای بر مدل‌های سلسله‌مراتبی (Hierarchical Models)
  • 68. چرا مدل‌های سلسله‌مراتبی؟ مفهوم تجمیع نسبی (Partial Pooling)
  • 69. مدل سلسله‌مراتبی برای تخمین میانگین‌های چند گروه
  • 70. ساختار مدل سلسله‌مراتبی: پارامترهای سطح گروه و سطح جمعیت
  • 71. انتخاب توزیع‌های پیشین در مدل‌های سلسله‌مراتبی
  • 72. پیاده‌سازی یک مدل سلسله‌مراتبی ساده در Stan
  • 73. رگرسیون خطی سلسله‌مراتبی: مدل عرض از مبدأ تصادفی (Random Intercepts)
  • 74. مدل شیب تصادفی (Random Slopes)
  • 75. مدل عرض از مبدأ و شیب تصادفی
  • 76. پارامتری‌سازی مجدد: مدل‌های مرکزگریز (Non-centered Parameterization)
  • 77. رگرسیون لجستیک سلسله‌مراتبی
  • 78. رگرسیون پواسون سلسله‌مراتبی
  • 79. تجسم نتایج مدل‌های سلسله‌مراتبی
  • 80. گذار از JAGS به Stan: چرا و چگونه؟
  • 81. مدل‌سازی داده‌های ترتیبی (Ordinal Data): رگرسیون ترتیبی
  • 82. رگرسیون خطی مقاوم (Robust Regression) با توزیع تی
  • 83. مدل‌های آمیخته (Mixture Models): شناسایی زیرگروه‌ها
  • 84. تحلیل عاملی بیزی (Bayesian Factor Analysis)
  • 85. مدل‌سازی داده‌های سانسور شده (Censored Data)
  • 86. مدل‌سازی خطای اندازه‌گیری (Measurement Error Models)
  • 87. مدل‌های فضایی-زمانی (Spatio-temporal Models)
  • 88. تحلیل بقا (Survival Analysis) از دیدگاه بیزی
  • 89. بهینه‌سازی محاسباتی در Stan: برداری‌سازی (Vectorization)
  • 90. گردش کار بیزی (Bayesian Workflow) در عمل
  • 91. ارتباط و گزارش‌دهی نتایج تحلیل بیزی
  • 92. اخلاق در مدل‌سازی بیزی: شفافیت و بازتولیدپذیری
  • 93. مطالعه موردی ۱: تحلیل داده‌های بازاریابی
  • 94. مطالعه موردی ۲: تحلیل نتایج یک آزمایش بالینی
  • 95. مطالعه موردی ۳: مدل‌سازی داده‌های علوم اجتماعی
  • 96. فراتر از این دوره: موضوعات پیشرفته در آمار بیزی
  • 97. جمع‌بندی نهایی و خلاصه دوره

📚 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 تحلیل داده بیزی کاربردی: راهنمای جامع با R, JAGS و Stan”

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

محصولات مشابه

پیمایش به بالا