کتاب کاربردهای عملی MCMC در Stan
, ,

کتاب کاربردهای عملی MCMC در Stan

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000027853 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 کاربردهای عملی MCMC در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مبانی MCMC
  • 2. مقدمه ای بر MCMC
  • 3. چرا MCMC؟
  • 4. انواع الگوریتم های MCMC
  • 5. Metropolis-Hastings
  • 6. Gibbs Sampling
  • 7. Hamiltonian Monte Carlo (HMC)
  • 8. No-U-Turn Sampler (NUTS)
  • 9. مفاهیم کلیدی در MCMC
  • 10. فضای حالت
  • 11. تابع احتمال (Likelihood)
  • 12. تابع پیشین (Prior)
  • 13. توزیع پسین (Posterior)
  • 14. نمونه برداری
  • 15. زنجیره مارکوف
  • 16. شرطی بودن (Stationarity)
  • 17. همگرایی (Convergence)
  • 18. ارزیابی همگرایی
  • 19. معیارهای همگرایی
  • 20. Trace Plots
  • 21. Autocorrelation Plots
  • 22. Gelman-Rubin Diagnostic
  • 23. Effective Sample Size (ESS)
  • 24. Langkah های اولیه در Stan
  • 25. نصب Stan
  • 26. آشنایی با زبان Stan
  • 27. ساختار مدل در Stan
  • 28. تعریف داده ها
  • 29. تعریف پارامترها
  • 30. تعریف مدل
  • 31. تعریف خروجی ها
  • 32. اولین مدل ساده در Stan
  • 33. مدل خطی ساده
  • 34. مدل لاجستیک ساده
  • 35. کاربردهای MCMC در Stan
  • 36. رگرسیون خطی بیزی
  • 37. مدل های رگرسیون پیچیده تر
  • 38. رگرسیون خطی با اثرات ثابت
  • 39. رگرسیون خطی با اثرات تصادفی
  • 40. رگرسیون خطی سلسله مراتبی
  • 41. مدل های سری زمانی بیزی
  • 42. مدل های AR(1)
  • 43. مدل های MA(1)
  • 44. مدل های ARMA
  • 45. مدل های ARIMA
  • 46. مدل های غیرخطی بیزی
  • 47. مدل های رگرسیون چندجمله ای
  • 48. مدل های رشد لجستیک
  • 49. مدل های منحنی گوسی
  • 50. مدل های سری زمانی غیرخطی
  • 51. مدل های طبقه بندی بیزی
  • 52. مدل های طبقه بندی دوتایی
  • 53. مدل های طبقه بندی چندکلاسه
  • 54. مدل های طبقه بندی با داده های نامتعادل
  • 55. مدل های صفحه ای بیزی
  • 56. مدل های رگرسیون صفحه ای
  • 57. مدل های طبقه بندی صفحه ای
  • 58. مدل های تحلیل عاملی بیزی
  • 59. تحلیل عاملی اکتشافی
  • 60. تحلیل عاملی تاییدی
  • 61. مدل های شبکه بیزی
  • 62. ساختار شبکه
  • 63. استنتاج در شبکه های بیزی
  • 64. مدل های بقا بیزی
  • 65. مدل های کاکس
  • 66. مدل های پارامتریک بقا
  • 67. مدل های بقا با حذف سانسور شده
  • 68. مدل های استنتاج آماری بیزی
  • 69. تخمین پارامتر
  • 70. آزمون فرضیه بیزی
  • 71. مقایسه مدل ها با معیارهای بیزی
  • 72. تفسیر نتایج MCMC در Stan
  • 73. تفسیر توزیع پسین
  • 74. تفسیر میانگین و میانه پسین
  • 75. تفسیر فواصل اطمینان بیزی (Credible Intervals)
  • 76. تفسیر احتمال پسین (Posterior Probability)
  • 77. تشخیص و رفع مشکلات MCMC
  • 78. تشخیص عدم همگرایی
  • 79. دلایل عدم همگرایی
  • 80. راهکارهای رفع عدم همگرایی
  • 81. تنظیم پارامترهای MCMC
  • 82. افزایش تعداد تکرارها
  • 83. افزایش تعداد زنجیره ها
  • 84. تنظیم پارامترهای HMC/NUTS
  • 85. استفاده از پیشین های اطلاعاتی (Informative Priors)
  • 86. انتخاب پیشین های مناسب
  • 87. تاثیر پیشین ها بر نتایج
  • 88. پیشین های غیراطلاعاتی (Non-informative Priors)
  • 89. پیشین های قوی (Strong Priors)
  • 90. پیشین های ضعیف (Weak Priors)
  • 91. اعتبارسنجی مدل های بیزی
  • 92. بررسی برازش مدل (Model Fit)
  • 93. باقی مانده ها (Residuals)
  • 94. نمودارهای برازش پیش بینانه (Posterior Predictive Checks)
  • 95. مقایسه مدل ها
  • 96. معیارهای انتخاب مدل
  • 97. Informasi-Theoretic Criteria (AIC, BIC)
  • 98. Bayes Factor
  • 99. WAIC
  • 100. LOO-CV

📚 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 کاربردهای عملی MCMC در Stan”

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

محصولات مشابه

پیمایش به بالا