سپنتا کتاب اکسپرس
کتاب کاربردهای عملی MCMC در Stan

کتاب کاربردهای عملی MCMC 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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربردهای عملی MCMC در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مبانی احتمال و استنباط آماری
  • 2. مفاهیم پایه در مدل‌سازی آماری
  • 3. مقدمه‌ای بر روش‌های مونت کارلو زنجیره مارکوف (MCMC)
  • 4. نظریه زنجیره‌های مارکوف
  • 5. فرآیندهای تصادفی و حالت‌های گذار
  • 6. کاربرد زنجیره‌های مارکوف در استنباط آماری
  • 7. مقدمه‌ای بر نرم‌افزار Stan
  • 8. نصب و پیکربندی Stan
  • 9. نحو زبان Stan
  • 10. تعریف مدل‌های آماری در Stan
  • 11. نوشتن تابع درست‌نمایی (Likelihood Function)
  • 12. نوشتن تابع پیشین (Prior Function)
  • 13. انواع توزیع‌های پیشین رایج
  • 14. نمونه‌گیری از توزیع‌های پیشین
  • 15. تکنیک‌های نمونه‌گیری در Stan
  • 16. الگوریتم گیبس (Gibbs Sampling)
  • 17. الگوریتم امپورتنس سمپلینگ (Importance Sampling)
  • 18. الگوریتم MCMC با استفاده از آنالیز مونت کارلو
  • 19. روش‌های پیشرفته MCMC
  • 20. الگوریتم Metropolis-Hastings
  • 21. الگوریتم Hamiltonian Monte Carlo (HMC)
  • 22. الگوریتم No-U-Turn Sampler (NUTS)
  • 23. ارزیابی همگرایی MCMC
  • 24. معیارهای تشخیص همگرایی
  • 25. نمودارهای Trace Plot
  • 26. مقدار R-hat (Gelman-Rubin statistic)
  • 27. نمودار Autocorrelation
  • 28. تفسیر نتایج MCMC
  • 29. استنباط پارامترها با استفاده از نمونه‌های MCMC
  • 30. محاسبه میانگین، میانه و واریانس پسین
  • 31. محاسبه فواصل اطمینان پسین (Credible Intervals)
  • 32. تصویرسازی نتایج MCMC
  • 33. مدل‌های خطی در Stan
  • 34. رگرسیون خطی ساده و چندگانه
  • 35. مدل‌های خطی تعمیم‌یافته (GLM)
  • 36. مدل‌های لجستیک
  • 37. مدل‌های پواسون
  • 38. مدل‌های خطی سلسله مراتبی (Hierarchical Linear Models)
  • 39. مقدمه‌ای بر مدل‌های سلسله مراتبی
  • 40. سطوح و سلسله مراتب در مدل‌ها
  • 41. مزایای مدل‌های سلسله مراتبی
  • 42. پیاده‌سازی مدل‌های سلسله مراتبی در Stan
  • 43. مدل‌های اثرات مختلط (Mixed-Effects Models)
  • 44. مدل‌های مکانی و زمانی
  • 45. مدل‌های سری زمانی در Stan
  • 46. مدل‌های خودرگرسیو (AR)
  • 47. مدل‌های میانگین متحرک (MA)
  • 48. مدل‌های ARIMA
  • 49. مدل‌های مکانی
  • 50. مدل‌های پیش‌بینی در Stan
  • 51. اعتبارسنجی مدل‌ها
  • 52. اعتبارسنجی متقابل (Cross-Validation)
  • 53. تست برازش (Goodness-of-fit tests)
  • 54. مقایسه مدل‌ها
  • 55. استفاده از شاخص‌های اطلاعاتی (AIC, BIC)
  • 56. مدل‌سازی غیرپارامتری در Stan
  • 57. مقدمه‌ای بر مدل‌های غیرپارامتری
  • 58. توزیع‌های غیرپارامتری
  • 59. مدل‌های ترکیب (Mixture Models)
  • 60. مدل‌های مبتنی بر هسته (Kernel-based Models)
  • 61. کاربردهای پیشرفته MCMC
  • 62. روش‌های MCMC برای داده‌های حجیم
  • 63. MCMC در شبکه‌های بیزی
  • 64. مدل‌سازی شبکه‌های پیچیده
  • 65. کاربرد MCMC در یادگیری ماشین
  • 66. مقدمه‌ای بر یادگیری ماشین
  • 67. یادگیری نظارت شده و بدون نظارت
  • 68. مدل‌های طبقه‌بندی در Stan
  • 69. مدل‌های رگرسیون در Stan
  • 70. مدل‌های خوشه‌بندی در Stan
  • 71. تحلیل عاملی در Stan
  • 72. روش‌های کاهش ابعاد
  • 73. تحلیل مولفه‌های اصلی (PCA)
  • 74. تجزیه و تحلیل عاملی اکتشافی
  • 75. تجزیه و تحلیل عاملی تاییدی
  • 76. مدل‌سازی معادلات ساختاری (SEM)
  • 77. مقدمه‌ای بر SEM
  • 78. اجزای SEM
  • 79. پیاده‌سازی SEM در Stan
  • 80. کاربرد MCMC در علوم زیستی
  • 81. مدل‌سازی جمعیت‌ها
  • 82. مدل‌سازی اپیدمیولوژیک
  • 83. مدل‌سازی ژنتیکی
  • 84. کاربرد MCMC در علوم اجتماعی
  • 85. مدل‌سازی رفتار مصرف‌کننده
  • 86. مدل‌سازی شبکه‌های اجتماعی
  • 87. تحلیل داده‌های پیمایشی
  • 88. کاربرد MCMC در اقتصاد
  • 89. مدل‌سازی سری‌های زمانی اقتصادی
  • 90. مدل‌سازی ریسک
  • 91. مدل‌سازی مالی
  • 92. کاربرد MCMC در مهندسی
  • 93. تحلیل اطمینان
  • 94. مدل‌سازی سیستم‌ها
  • 95. بهینه‌سازی پارامترها
  • 96. مباحث تکمیلی در Stan
  • 97. بهینه‌سازی کد Stan
  • 98. موازی‌سازی در Stan
  • 99. استفاده از داده‌های بزرگ در Stan
  • 100. ساخت بسته‌های سفارشی در 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

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.