سپنتا کتاب اکسپرس
کتاب اعتبارسنجی مدل‌های بیزی در Stan

کتاب اعتبارسنجی مدل‌های بیزی در Stan

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 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 اعتبارسنجی مدل‌های بیزی در Stan

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

موضوع میانی: Stan

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر مدل های بیزی
  • 2. مقدمه ای بر Stan
  • 3. دلایل استفاده از مدل های بیزی
  • 4. کاربرد مدل های بیزی در علوم مختلف
  • 5. مفاهیم اساسی استنباط بیزی
  • 6. قضیه بیز
  • 7. توزیع پیشین
  • 8. توزیع درستنمایی
  • 9. توزیع پسین
  • 10. روش های نمونه گیری از توزیع پسین
  • 11. نمونه گیری مونت کارلو زنجیره مارکوف (MCMC)
  • 12. الگوریتم گیبس
  • 13. الگوریتم نمونه گیر مت Metropolis-Hastings
  • 14. الگوریتم HMC (Hamiltonian Monte Carlo)
  • 15. الگوریتم NUTS (No-U-Turn Sampler)
  • 16. نصب و پیکربندی Stan
  • 17. نصب RStan
  • 18. نصب PyStan
  • 19. نوشتن مدل های بیزی در زبان Stan
  • 20. سینتکس پایه زبان Stan
  • 21. بخش `data`
  • 22. بخش `parameters`
  • 23. بخش `transformed parameters`
  • 24. بخش `model`
  • 25. بخش `generated quantities`
  • 26. مثال های ساده مدل های بیزی در Stan
  • 27. مدل رگرسیون خطی بیزی
  • 28. مدل رگرسیون لجستیک بیزی
  • 29. مدل سری زمانی بیزی
  • 30. مدل سلسله مراتبی بیزی
  • 31. اعتبارسنجی مدل های بیزی
  • 32. اهمیت اعتبارسنجی مدل
  • 33. مراحل اعتبارسنجی مدل
  • 34. بررسی برازش مدل (Model Fit)
  • 35. نمودارهای برازش (Fit Plots)
  • 36. باقیمانده ها (Residuals)
  • 37. مقایسه مدل ها (Model Comparison)
  • 38. معیارهای مقایسه مدل
  • 39. AIC (Akaike Information Criterion)
  • 40. BIC (Bayesian Information Criterion)
  • 41. DIC (Deviance Information Criterion)
  • 42. WAIC (Widely Applicable Information Criterion)
  • 43. LOO-CV (Leave-One-Out Cross-Validation)
  • 44. اعتبارسنجی پیش بینانه (Predictive Validation)
  • 45. تولید داده های شبیه سازی شده
  • 46. مقایسه پیش بینی های مدل با داده های واقعی
  • 47. اعتبارسنجی حساسیت (Sensitivity Analysis)
  • 48. بررسی تاثیر پیش فرض ها (Priors)
  • 49. بررسی تاثیر پارامترهای مدل
  • 50. اعتبارسنجی استحکام (Robustness Analysis)
  • 51. بررسی عملکرد مدل در شرایط مختلف
  • 52. اعتبارسنجی مدل های پیچیده
  • 53. مدل های سلسله مراتبی
  • 54. مدل های مکانی-زمانی
  • 55. مدل های شبکه ای
  • 56. مدل های مخلوط (Mixture Models)
  • 57. مدل های غیرپارامتری
  • 58. ابزارهای اعتبارسنجی مدل در R
  • 59. بسته `bayesplot`
  • 60. تابع `ppc_dens_overlay`
  • 61. تابع `ppc_stat`
  • 62. تابع `ppc_error_hist`
  • 63. تابع `ppc_intervals`
  • 64. تابع `ppc_rootogram`
  • 65. تابع `loo`
  • 66. تابع `waic`
  • 67. تابع `kfold`
  • 68. ابزارهای اعتبارسنجی مدل در Python
  • 69. کتابخانه `arviz`
  • 70. تابع `plot_ppc`
  • 71. تابع `plot_trace`
  • 72. تابع `plot_ess`
  • 73. تابع `plot_mcse`
  • 74. تابع `plot_autocorr`
  • 75. تابع `compare`
  • 76. تابع `loo`
  • 77. تابع `waic`
  • 78. تابع `kfold`
  • 79. مطالعات موردی اعتبارسنجی مدل های بیزی
  • 80. اعتبارسنجی مدل های بیزی در پزشکی
  • 81. اعتبارسنجی مدل های بیزی در اقتصاد
  • 82. اعتبارسنجی مدل های بیزی در علوم اجتماعی
  • 83. اعتبارسنجی مدل های بیزی در مهندسی
  • 84. اعتبارسنجی مدل های بیزی در علوم محیطی
  • 85. نکات پیشرفته در اعتبارسنجی مدل های بیزی
  • 86. بررسی همگرایی MCMC
  • 87. معیار R-hat (Gelman-Rubin statistic)
  • 88. تعداد موثر نمونه (Effective Sample Size - ESS)
  • 89. خودهمبستگی (Autocorrelation)
  • 90. تشخیص و رفع مشکلات همگرایی
  • 91. بررسی حساسیت به مقیاس بندی پارامترها
  • 92. اعتبارسنجی مدل ها با داده های پرت (Outliers)
  • 93. اعتبارسنجی مدل ها با داده های گمشده (Missing Data)
  • 94. استفاده از پیش فرض های قوی (Informative Priors)
  • 95. تکنیک های پیشرفته نمونه گیری
  • 96. نمونه گیری با اهمیت (Importance Sampling)
  • 97. نمونه گیری شبه مونت کارلو (Quasi-Monte Carlo Sampling)
  • 98. روش های مبتنی بر واریانس (Variance-based Methods)
  • 99. روش های مبتنی بر بایاس (Bias-based Methods)
  • 100. اعتبارسنجی مدل های بیزی در مقیاس بزرگ

📚 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

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.