کتاب راهنمای جامع for Modeling with 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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای جامع for Modeling with Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مبانی نظری مدل‌سازی آماری
  • 2. مفاهیم پایه‌ی احتمال و آمار
  • 3. توزیع‌های احتمال گسسته و پیوسته
  • 4. آمار توصیفی و استنباطی
  • 5. مقدمه‌ای بر مدل‌های خطی
  • 6. رگرسیون خطی ساده و چندگانه
  • 7. مفاهیم برآورد و آزمون فرض
  • 8. مدل‌های خطی تعمیم‌یافته (GLM)
  • 9. توزیع پواسون و رگرسیون آن
  • 10. رگرسیون لجستیک برای داده‌های دودویی
  • 11. رگرسیون چندجمله‌ای برای داده‌های طبقه‌ای
  • 12. مقدمه‌ای بر مدل‌های سلسله‌مراتبی
  • 13. مزایای مدل‌های سلسله‌مراتبی
  • 14. مدل‌های اثرات ثابت و تصادفی
  • 15. مدل‌های اثرات مختلط
  • 16. اجرای مدل‌های سلسله‌مراتبی با Stan
  • 17. آشنایی با زبان برنامه‌نویسی Stan
  • 18. نحوه‌ی تعریف مدل در Stan
  • 19. ورودی‌ها و خروجی‌های مدل Stan
  • 20. توابع کمکی در Stan
  • 21. نمونه‌گیری از توزیع‌های پیشین
  • 22. مفاهیم زنجیره‌های مارکوف مونت کارلو (MCMC)
  • 23. الگوریتم Gibbs Sampling
  • 24. الگوریتم Metropolis-Hastings
  • 25. الگوریتم No-U-Turn Sampler (NUTS)
  • 26. تشخیص همگرایی در MCMC
  • 27. معیارهای ارزیابی همگرایی
  • 28. نمودارهای Trace و Autocorrelation
  • 29. شاخص R-hat
  • 30. ارزیابی کیفیت نمونه‌ها
  • 31. بررسی پس‌توزیع (Posterior Distribution)
  • 32. برآورد پارامترها از پس‌توزیع
  • 33. فاصله‌های اطمینان بیزی (Credible Intervals)
  • 34. پیش‌بینی با استفاده از مدل‌های بیزی
  • 35. ارزیابی برازش مدل (Goodness-of-Fit)
  • 36. آزمون‌های خارج از نمونه (Out-of-Sample Tests)
  • 37. شاخص‌های اطلاعاتی (AIC, BIC)
  • 38. اعتبارسنجی متقابل (Cross-Validation)
  • 39. مدل‌سازی داده‌های سری زمانی
  • 40. مقدمه‌ای بر سری‌های زمانی
  • 41. مدل‌های ARIMA
  • 42. مدل‌های GARCH
  • 43. مدل‌سازی سری زمانی با Stan
  • 44. مدل‌سازی داده‌های فضایی
  • 45. مفاهیم اولیه ژئواستاتیستیک
  • 46. مدل‌های کریگینگ
  • 47. مدل‌های خودهمبستگی فضایی
  • 48. مدل‌سازی فضایی با Stan
  • 49. مدل‌سازی بقا (Survival Analysis)
  • 50. مقدمه‌ای بر تحلیل بقا
  • 51. توابع خطر و بقا
  • 52. مدل کاکس (Cox Proportional Hazards)
  • 53. مدل‌سازی بقا با Stan
  • 54. مدل‌سازی داده‌های پانل (Panel Data)
  • 55. مفاهیم داده‌های پانل
  • 56. مدل‌های اثرات ثابت و تصادفی برای پانل
  • 57. مدل‌سازی داده‌های پانل با Stan
  • 58. مدل‌های رگرسیون کوانتیل
  • 59. مفهوم رگرسیون کوانتیل
  • 60. اجرای رگرسیون کوانتیل با Stan
  • 61. مدل‌سازی داده‌های گسسته با Stan
  • 62. مدل‌سازی داده‌های شمارشی (Count Data)
  • 63. مدل‌سازی داده‌های دودویی و طبقه‌ای
  • 64. کاربرد Stan در علوم اجتماعی
  • 65. کاربرد Stan در علوم زیستی
  • 66. کاربرد Stan در اقتصاد
  • 67. کاربرد Stan در مهندسی
  • 68. کاربرد Stan در علوم محیطی
  • 69. مقدمه‌ای بر مدل‌های بیزی سلسله‌مراتبی پیشرفته
  • 70. مدل‌های با ساختار پیچیده
  • 71. مدل‌سازی داده‌های گمشده (Missing Data)
  • 72. روش‌های imputation بیزی
  • 73. مدل‌سازی داده‌های گمشده با Stan
  • 74. استفاده از Stan برای مدل‌های غیرخطی
  • 75. مدل‌های غیرخطی عمومی
  • 76. مدل‌سازی غیرخطی با Stan
  • 77. بهینه‌سازی مدل‌ها در Stan
  • 78. تنظیم پارامترهای نمونه‌گیر MCMC
  • 79. شناسایی مشکلات رایج در مدل‌سازی Stan
  • 80. راهکارهای رفع مشکلات همگرایی
  • 81. تفسیر نتایج مدل‌های پیچیده
  • 82. ارتباط مدل‌های بیزی با مدل‌های فراوانی‌گرا
  • 83. مزایای رویکرد بیزی در عمل
  • 84. چالش‌های پیاده‌سازی مدل‌های بیزی
  • 85. اخلاق در مدل‌سازی آماری
  • 86. اهمیت شفافیت و تکرارپذیری
  • 87. ملاحظات قانونی در تولید محتوا
  • 88. اصول نگارش علمی و فنی
  • 89. کاربرد ابزارهای بصری‌سازی داده‌ها
  • 90. نمودارهای پس‌توزیع در Stan
  • 91. نمودارهای پیش‌بینی در Stan
  • 92. نرم‌افزارهای جانبی برای Stan
  • 93. R و Stan
  • 94. Python و Stan
  • 95. خلاصه و جمع‌بندی مباحث
  • 96. یادگیری مستمر در مدل‌سازی آماری
  • 97. منابع تکمیلی برای مطالعه
  • 98. تمرین‌های عملی و پروژه‌ها
  • 99. ارزیابی نهایی 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

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.