سپنتا کتاب اکسپرس
کتاب راهنمای جامع برای MCMC با Stan

کتاب راهنمای جامع برای MCMC با 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 برای MCMC با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر روش‌های مونت کارلو زنجیره مارکوف
  • 2. مبانی نظری MCMC
  • 3. نصب و پیکربندی Stan
  • 4. ساختار مدل در Stan
  • 5. دستور زبان Stan
  • 6. تعریف متغیرهای پارامتریک
  • 7. تعریف متغیرهای مشاهده‌شده
  • 8. توابع چگالی احتمال در Stan
  • 9. توابع شرطی و پیشین
  • 10. نوشتن مدل‌های خطی ساده در Stan
  • 11. مدل‌های رگرسیون لجستیک در Stan
  • 12. مدل‌های رگرسیون پواسون در Stan
  • 13. مدل‌های رگرسیون کوکس در Stan
  • 14. مدل‌های سلسله‌مراتبی در Stan
  • 15. سطوح سلسله‌مراتبی
  • 16. مدل‌های اثرات تصادفی
  • 17. مدل‌های اثرات ثابت
  • 18. مدل‌های مختلط
  • 19. مقدمه‌ای بر مدل‌های سری زمانی
  • 20. مدل‌های ARIMA در Stan
  • 21. مدل‌های حالت‌گذر در Stan
  • 22. مدل‌های فیلتر کالمن در Stan
  • 23. مدل‌های فیلتر پارتیکل در Stan
  • 24. مدل‌های مدل‌سازی گرافیکی
  • 25. مدل‌های شبکه‌های بیزی
  • 26. کدگذاری مدل‌های گرافیکی در Stan
  • 27. مدل‌های خودرگرسیون مکانی
  • 28. مدل‌های خودرگرسیون فضایی-زمانی
  • 29. مدل‌های فضایی-زمانی پیشرفته
  • 30. مقدمه‌ای بر یادگیری ماشین
  • 31. رگرسیون و طبقه‌بندی با Stan
  • 32. مدل‌های گوسی فرآیند در Stan
  • 33. شبکه‌های عصبی در Stan
  • 34. یادگیری تقویتی با Stan
  • 35. بهینه‌سازی مدل در Stan
  • 36. روش‌های نمونه‌برداری پیشرفته
  • 37. نمونه‌برداری با نرخ تطبیقی
  • 38. نمونه‌برداری با نرخ متغیر
  • 39. نمونه‌برداری با نرخ متغیر تطبیقی
  • 40. نمونه‌برداری با نرخ متغیر پارامتری
  • 41. نمونه‌برداری تصادفی با نرخ تطبیقی
  • 42. نمونه‌برداری تصادفی با نرخ متغیر
  • 43. نمونه‌برداری تصادفی با نرخ متغیر تطبیقی
  • 44. نمونه‌برداری تصادفی با نرخ متغیر پارامتری
  • 45. تشخیص همگرایی در MCMC
  • 46. معیارهای همگرایی مانند Gelman-Rubin
  • 47. تجزیه و تحلیل زنجیره‌ها
  • 48. نمودارهای مسیر و تراکم
  • 49. حجم نمونه و کارایی
  • 50. کاهش واریانس در MCMC
  • 51. روش‌های افزایش کارایی
  • 52. استفاده از شبه‌متغیرها
  • 53. استفاده از نمونه‌برداری ترکیبی
  • 54. نمونه‌برداری با استفاده از اهمیت
  • 55. نمونه‌گیری با اهمیت تطبیقی
  • 56. نمونه‌گیری با اهمیت چندوجهی
  • 57. نمونه‌گیری با اهمیت گوسی
  • 58. روش‌های حذف واریانس
  • 59. مقدمه‌ای بر مدل‌های آماری بیزی
  • 60. استنتاج بیزی با Stan
  • 61. ارزیابی مدل‌های بیزی
  • 62. انتخاب مدل با معیارهای بیزی
  • 63. اعتبارسنجی متقابل در مدل‌های بیزی
  • 64. اعتبارسنجی متقابل با Stan
  • 65. اعتبارسنجی متقابل گوسی
  • 66. اعتبارسنجی متقابل سلسله‌مراتبی
  • 67. اعتبارسنجی متقابل سری زمانی
  • 68. اعتبارسنجی متقابل فضایی-زمانی
  • 69. مقدمه‌ای بر مدل‌های پیش‌بینی
  • 70. پیش‌بینی با مدل‌های MCMC
  • 71. ارزیابی پیش‌بینی‌ها
  • 72. پیش‌بینی با فاصله‌های اطمینان
  • 73. پیش‌بینی با استفاده از شبیه‌سازی
  • 74. مدل‌سازی عدم قطعیت در پیش‌بینی
  • 75. کاربرد MCMC در علوم داده
  • 76. کاربرد MCMC در اقتصاد
  • 77. کاربرد MCMC در زیست‌شناسی
  • 78. کاربرد MCMC در فیزیک
  • 79. کاربرد MCMC در علوم اجتماعی
  • 80. کاربرد MCMC در مهندسی
  • 81. کاربرد MCMC در مدیریت ریسک
  • 82. کاربرد MCMC در مالیه
  • 83. کاربرد MCMC در پژوهش‌های سلامت
  • 84. کاربرد MCMC در تحلیل داده‌های حجیم
  • 85. بهینه‌سازی استراتژی‌های نمونه‌برداری
  • 86. استفاده از Stan برای مدل‌های پیچیده
  • 87. مدل‌سازی ساختارهای پیچیده با Stan
  • 88. تکنیک‌های پیشرفته مدل‌سازی در Stan
  • 89. مقدمه‌ای بر تحلیل حساسیت
  • 90. تحلیل حساسیت در مدل‌های بیزی
  • 91. تحلیل حساسیت با Stan
  • 92. تحلیل حساسیت گوسی
  • 93. تحلیل حساسیت سلسله‌مراتبی
  • 94. تحلیل حساسیت سری زمانی
  • 95. تحلیل حساسیت فضایی-زمانی
  • 96. مقدمه‌ای بر روش‌های بیزین سلسله‌مراتبی
  • 97. پیاده‌سازی مدل‌های بیزین سلسله‌مراتبی در Stan
  • 98. مدل‌سازی ساختارهای سلسله‌مراتبی پیچیده
  • 99. ارزیابی و اعتبارسنجی مدل‌های بیزین سلسله‌مراتبی
  • 100. کاربردهای پیشرفته MCMC در پژوهش‌های علمی

📚 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.