سپنتا کتاب اکسپرس
کتاب سفری به قلب مدل‌های آماری با MCMC

کتاب سفری به قلب مدل‌های آماری با MCMC

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 سفری به قلب مدل‌های آماری با MCMC

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

موضوع میانی: کاربرد MCMC در مدل‌های آماری

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر زنجیره‌های مارکوف مونت کارلو
  • 2. مفاهیم پایه‌ای احتمال و آمار
  • 3. توزیع‌های احتمالی رایج
  • 4. روش‌های نمونه‌گیری از توزیع‌ها
  • 5. مقدمه‌ای بر نمونه‌گیری اهمیت نمونه‌گیری
  • 6. کاربرد MCMC در مدل‌های آماری
  • 7. تاریخچه MCMC
  • 8. الگوریتم‌های MCMC: Metropolis-Hastings
  • 9. الگوریتم Metropolis-Hastings: جزئیات فنی
  • 10. پیاده‌سازی Metropolis-Hastings
  • 11. الگوریتم Gibbs Sampling
  • 12. الگوریتم Gibbs Sampling: جزئیات فنی
  • 13. پیاده‌سازی Gibbs Sampling
  • 14. مقایسه Metropolis-Hastings و Gibbs Sampling
  • 15. نکات عملی در پیاده‌سازی MCMC
  • 16. بررسی همگرایی در MCMC
  • 17. معیارهای همگرایی: Trace Plots
  • 18. معیارهای همگرایی: Autocorrelation Plots
  • 19. معیارهای همگرایی: Geweke Statistic
  • 20. معیارهای همگرایی: Gelman-Rubin Statistic
  • 21. چندین زنجیره در MCMC
  • 22. انتخاب تعداد زنجیره‌ها
  • 23. تنظیم پارامترهای زنجیره
  • 24. بهینه‌سازی پارامترهای MCMC
  • 25. مدل‌های خطی تعمیم‌یافته (GLMs) با MCMC
  • 26. رگرسیون لجستیک با MCMC
  • 27. رگرسیون پواسون با MCMC
  • 28. مدل‌های سلسله‌مراتبی با MCMC
  • 29. مقدمه‌ای بر مدل‌های سلسله‌مراتبی
  • 30. ساختار مدل‌های سلسله‌مراتبی
  • 31. پیاده‌سازی مدل‌های سلسله‌مراتبی با MCMC
  • 32. مدل‌های خطی سلسله‌مراتبی
  • 33. مدل‌های رگرسیون سلسله‌مراتبی
  • 34. مدل‌های اثرات مختلط با MCMC
  • 35. کاربرد MCMC در اقتصاد سنجی
  • 36. مدل‌های سری زمانی با MCMC
  • 37. مدل‌های فضایی با MCMC
  • 38. مدل‌های Bayesian در آمار
  • 39. مقدمه‌ای بر استنتاج بیزی
  • 40. قضیه بیز
  • 41. توزیع پیشین و پسین
  • 42. انتخاب توزیع پیشین
  • 43. روش‌های MCMC برای استنتاج بیزی
  • 44. پیاده‌سازی مدل‌های آماری در R با MCMC
  • 45. بسته‌های MCMC در R
  • 46. بسته `rjags`
  • 47. بسته `rstan`
  • 48. بسته `nimble`
  • 49. مثال کاربردی: تحلیل داده‌های پیمایشی
  • 50. مثال کاربردی: مدل‌سازی ریسک
  • 51. مثال کاربردی: تحلیل داده‌های پزشکی
  • 52. مثال کاربردی: تحلیل داده‌های زیست‌محیطی
  • 53. مقدمه‌ای بر مدل‌های گرافیکی احتمالاتی
  • 54. شبکه‌های بیزی
  • 55. پیاده‌سازی شبکه‌های بیزی با MCMC
  • 56. مدل‌سازی پویای شبکه‌های بیزی
  • 57. کاربرد MCMC در یادگیری ماشین
  • 58. طبقه‌بندی بیزی با MCMC
  • 59. خوشه‌بندی بیزی با MCMC
  • 60. مدل‌های موضوعی با MCMC
  • 61. مقدمه‌ای بر مدل‌های موضوعی (Topic Models)
  • 62. الگوریتم LDA (Latent Dirichlet Allocation)
  • 63. پیاده‌سازی LDA با MCMC
  • 64. تحلیل احساسات با MCMC
  • 65. مدل‌سازی پیش‌بینی با MCMC
  • 66. بسته‌های MCMC در Python
  • 67. بسته `PyMC3`
  • 68. بسته `Stan` (رابط پایتون)
  • 69. بسته `emcee`
  • 70. مثال کاربردی: تحلیل داده‌های شبکه‌های اجتماعی
  • 71. مثال کاربردی: مدل‌سازی سیستم‌های پیچیده
  • 72. مقدمه‌ای بر MCMC در علوم داده
  • 73. چالش‌های MCMC در داده‌های بزرگ
  • 74. روش‌های MCMC موازی
  • 75. کاربرد MCMC در بهینه‌سازی
  • 76. بهینه‌سازی بیزی با MCMC
  • 77. مقایسه MCMC با روش‌های بهینه‌سازی دیگر
  • 78. ارزیابی کیفیت مدل‌های MCMC
  • 79. تحلیل حساسیت در مدل‌های MCMC
  • 80. مقدمه‌ای بر مدل‌سازی علّی با MCMC
  • 81. استنتاج علّی بیزی
  • 82. کاربرد MCMC در تحلیل بقا
  • 83. مدل‌های بقا بیزی
  • 84. مدل‌سازی سری زمانی پیشرفته با MCMC
  • 85. مدل‌های پروسه گوسی با MCMC
  • 86. مقدمه‌ای بر MCMC در فیزیک آماری
  • 87. کاربرد MCMC در شیمی محاسباتی
  • 88. کاربرد MCMC در یادگیری تقویتی
  • 89. مقدمه‌ای بر MCMC در علوم مالی
  • 90. مدل‌سازی نوسانات با MCMC
  • 91. مدل‌سازی ریسک اعتباری با MCMC
  • 92. مقدمه‌ای بر MCMC در علوم زمین
  • 93. مدل‌سازی مخازن با MCMC
  • 94. کاربرد MCMC در پردازش تصویر
  • 95. استنتاج بیزی در پردازش تصویر
  • 96. مقدمه‌ای بر MCMC در پردازش زبان طبیعی
  • 97. مدل‌سازی زبانی با MCMC
  • 98. مقدمه‌ای بر MCMC در علوم اعصاب
  • 99. مدل‌سازی فعالیت مغزی با MCMC
  • 100. مقدمه‌ای بر MCMC در مهندسی

📚 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.