کتاب کاربرد MCMC با Stan
, ,

کتاب کاربرد MCMC با Stan

تومان249,950

انتخاب پلن

شناسه محصول: SuperCourse-0000030328 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 کاربرد MCMC با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر MCMC
  • 2. مبانی نمونه برداری مارکوف چین
  • 3. الگوریتم Metropolis-Hastings
  • 4. نمونه برداری Gibbs
  • 5. تفاوت های Metropolis-Hastings و Gibbs
  • 6. مزایای MCMC
  • 7. معایب MCMC
  • 8. نیاز به MCMC در آمار بیزی
  • 9. مقدمه ای بر Stan
  • 10. معماری Stan
  • 11. مزایای Stan
  • 12. نصب Stan
  • 13. محیط توسعه Stan (IDE)
  • 14. زبان مدل سازی Stan
  • 15. نوشتن اولین مدل Stan
  • 16. کامپایل کردن مدل Stan
  • 17. اجرای مدل Stan
  • 18. تفسیر خروجی Stan
  • 19. تشخیص همگرایی در MCMC
  • 20. معیارهای همگرایی (R-hat, ESS)
  • 21. تجسم زنجیره های مارکوف
  • 22. نمودارهای Trace
  • 23. نمودارهای Autocorrelation
  • 24. نمودارهای Kernel Density Estimation
  • 25. تنظیم پارامترهای نمونه برداری در Stan
  • 26. تعداد زنجیره ها
  • 27. تعداد تکرارها (iterations)
  • 28. تعداد burn-in
  • 29. تعداد step size
  • 30. تنظیم پارامترهای الگوریتم NUTS
  • 31. مقدمه ای بر NUTS (No-U-Turn Sampler)
  • 32. مزایای NUTS
  • 33. پارامترهای NUTS
  • 34. تنظیمات پیشرفته Stan
  • 35. مدل های خطی در Stan
  • 36. مدل های رگرسیون خطی ساده
  • 37. مدل های رگرسیون خطی چندگانه
  • 38. مدل های رگرسیون خطی با اثرات تصادفی
  • 39. مدل های خطی تعمیم یافته (GLMs)
  • 40. رگرسیون لجستیک در Stan
  • 41. رگرسیون پواسون در Stan
  • 42. مدل های سری زمانی در Stan
  • 43. مدل های AR(1)
  • 44. مدل های ARMA
  • 45. مدل های ARIMA
  • 46. مدل های State-Space
  • 47. مدل های سلسله مراتبی در Stan
  • 48. مفهوم سلسله مراتب
  • 49. مزایای مدل های سلسله مراتبی
  • 50. پیاده سازی مدل های سلسله مراتبی در Stan
  • 51. مدل های مختلط (Mixed-effects models)
  • 52. مدل های خطی مختلط
  • 53. مدل های لجستیک مختلط
  • 54. مدل های بقا در Stan
  • 55. منحنی کاپلان-مایر
  • 56. مدل های Cox Proportional Hazards
  • 57. مدل های پارامتریک بقا
  • 58. مدل های احتمالاتی در Stan
  • 59. مدل های خوشه بندی (Clustering)
  • 60. K-Means در Stan
  • 61. مدل های مخلوط گوسی (Gaussian Mixture Models)
  • 62. مدل های تشخیص (Detection models)
  • 63. مدل های انتخاب گسسته (Discrete choice models)
  • 64. مدل های Logit و Probit
  • 65. مدل های چندگانه انتخاب (Multinomial choice models)
  • 66. مدل های فضایی در Stan
  • 67. مدل های رگرسیون فضایی
  • 68. مدل های خودرگرسیونی فضایی (SAR)
  • 69. مدل های خطای فضایی (SEM)
  • 70. مدل های شبکه ای در Stan
  • 71. مدل های گراف در Stan
  • 72. تحلیل شبکه های اجتماعی
  • 73. مدل های آماری پیشرفته با Stan
  • 74. مدل های غیر پارامتری
  • 75. مدل های درخت تصمیم
  • 76. مدل های جنگل تصادفی (Random Forests)
  • 77. مدل های شبکه عصبی (Neural Networks)
  • 78. مدل های Bayesian Nonparametrics
  • 79. مدل های هیئت مدیره (Plate models)
  • 80. مکانیسم های شرطی (Conditional Independence)
  • 81. مدل های گرافیکی احتمالی
  • 82. استفاده از داده های نامعلوم (Missing data)
  • 83. روش های imputations در Stan
  • 84. روش های MCMC برای imputations
  • 85. مدل سازی عدم قطعیت
  • 86. پیش بینی با مدل های Stan
  • 87. ارزیابی مدل های Stan
  • 88. مقایسه مدل ها (WAIC, LOO-CV)
  • 89. تحلیل حساسیت
  • 90. اعتبارسنجی مدل
  • 91. اشکال زدایی مدل های Stan
  • 92. خطاهای رایج در Stan
  • 93. بهینه سازی کد Stan
  • 94. استفاده از توابع کمکی Stan
  • 95. استفاده از C++ در Stan (Stan Functions)
  • 96. اتصال Stan به R
  • 97. اتصال Stan به Python
  • 98. تجسم نتایج MCMC با R و Python
  • 99. بسته های R برای MCMC و Stan
  • 100. بسته های Python برای MCMC و Stan

📚 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 کاربرد MCMC با Stan”

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

محصولات مشابه

پیمایش به بالا