سپنتا کتاب اکسپرس
کتاب ملاحظات مهم در اجرای MCMC با Stan

کتاب ملاحظات مهم در اجرای 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 ملاحظات مهم در اجرای MCMC با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر نمونه‌گیری زنجیره مارکوف مونت کارلو (MCMC)
  • 2. آشنایی با نرم‌افزار Stan
  • 3. نصب و پیکربندی Stan
  • 4. مفاهیم پایه مدل‌سازی آماری
  • 5. توزیع‌های احتمال در Stan
  • 6. تابع درستنمایی (Likelihood Function)
  • 7. تابع پیشین (Prior Function)
  • 8. تابع پسین (Posterior Function)
  • 9. مفهوم نمونه‌گیری از توزیع پسین
  • 10. الگوریتم گیبس (Gibbs Sampling)
  • 11. الگوریتم متروپولیس-هستینگز (Metropolis-Hastings Algorithm)
  • 12. مفهوم زنجیره مارکوف
  • 13. همگرایی در MCMC
  • 14. معیارهای ارزیابی همگرایی (Gelman-Rubin)
  • 15. نمودارهای Trace Plot
  • 16. نمودارهای Autocorrelation Plot
  • 17. بازنمونه‌گیری (Resampling)
  • 18. کاربرد MCMC در رگرسیون خطی
  • 19. مدل‌های خطی تعمیم‌یافته (GLM) در Stan
  • 20. رگرسیون لجستیک با Stan
  • 21. مدل‌های سری زمانی با Stan
  • 22. مدل‌های سلسله مراتبی (Hierarchical Models)
  • 23. مزایای مدل‌های سلسله مراتبی
  • 24. پیاده‌سازی مدل‌های سلسله مراتبی در Stan
  • 25. مدل‌های خطی مختلط (Mixed-Effects Models)
  • 26. مدل‌سازی داده‌های طولی (Longitudinal Data)
  • 27. مدل‌سازی بقا (Survival Analysis)
  • 28. مقدمه‌ای بر بیزیان آمار
  • 29. تفاوت رویکرد بیزیان و فرکانسی
  • 30. مزایای رویکرد بیزیان
  • 31. انتخاب توزیع‌های پیشین مناسب
  • 32. توزیع‌های پیشین غیرمطلع (Non-informative Priors)
  • 33. توزیع‌های پیشین مطلع (Informative Priors)
  • 34. توزیع‌های پیشین ترکیبی (Conjugate Priors)
  • 35. بهینه‌سازی مدل با Stan
  • 36. تکنیک‌های نمونه‌گیری پیشرفته
  • 37. نمونه‌گیری با نرخ پذیرش بالا
  • 38. نمونه‌گیری با نرخ پذیرش پایین
  • 39. مدل‌سازی داده‌های پرچالش
  • 40. مدل‌سازی داده‌های گسسته
  • 41. مدل‌سازی داده‌های پیوسته
  • 42. مدل‌سازی داده‌های شمارشی
  • 43. مدل‌سازی داده‌های دودویی
  • 44. مدل‌سازی داده‌های دسته‌بندی
  • 45. مدل‌سازی داده‌های مکانی
  • 46. مدل‌سازی داده‌های شبکه‌ای
  • 47. کاربرد MCMC در علوم زیستی
  • 48. کاربرد MCMC در علوم اقتصادی
  • 49. کاربرد MCMC در علوم اجتماعی
  • 50. کاربرد MCMC در مهندسی
  • 51. کاربرد MCMC در علوم محیطی
  • 52. کاربرد MCMC در علوم کامپیوتر
  • 53. رفع اشکال در مدل‌های Stan
  • 54. بهبود کارایی نمونه‌گیری
  • 55. بهینه‌سازی کد Stan
  • 56. استفاده از توابع کمکی Stan
  • 57. مدیریت حافظه در Stan
  • 58. نمونه‌گیری موازی در Stan
  • 59. بررسی حساسیت به توزیع‌های پیشین
  • 60. تحلیل پسین (Posterior Analysis)
  • 61. محاسبه فواصل اطمینان بیزیان
  • 62. مقایسه مدل‌ها با استفاده از معیارهای بیزیان
  • 63. معیار اطلاعات بیزیان (BIC)
  • 64. معیار اطلاعات آکائیکه (AIC)
  • 65. معیار اطلاعات پسین (WAIC)
  • 66. معیار پیش‌بینی پسین (LOO-CV)
  • 67. اعتبارسنجی متقابل (Cross-Validation)
  • 68. مقدمه‌ای بر زبان برنامه‌نویسی R
  • 69. وارد کردن داده‌ها در R
  • 70. پیش‌پردازش داده‌ها در R
  • 71. بصری‌سازی داده‌ها در R
  • 72. ارتباط R و Stan
  • 73. ارسال مدل‌ها از R به Stan
  • 74. دریافت نتایج از Stan در R
  • 75. استفاده از بسته 'rstanarm'
  • 76. مدل‌سازی خطی با 'rstanarm'
  • 77. مدل‌سازی خطی تعمیم‌یافته با 'rstanarm'
  • 78. مدل‌های سلسله مراتبی با 'rstanarm'
  • 79. بصری‌سازی نتایج با 'rstanarm'
  • 80. مقدمه‌ای بر زبان برنامه‌نویسی Python
  • 81. وارد کردن داده‌ها در Python
  • 82. پیش‌پردازش داده‌ها در Python
  • 83. بصری‌سازی داده‌ها در Python
  • 84. ارتباط Python و Stan
  • 85. استفاده از بسته 'pystan'
  • 86. ارسال مدل‌ها از Python به Stan
  • 87. دریافت نتایج از Stan در Python
  • 88. استفاده از بسته 'cmdstanpy'
  • 89. مدل‌سازی خطی با 'cmdstanpy'
  • 90. مدل‌سازی خطی تعمیم‌یافته با 'cmdstanpy'
  • 91. مدل‌های سلسله مراتبی با 'cmdstanpy'
  • 92. بصری‌سازی نتایج با 'cmdstanpy'
  • 93. نمونه‌گیری از توزیع‌های پیچیده
  • 94. مدل‌سازی داده‌های پرت (Outlier Detection)
  • 95. مدل‌سازی داده‌های حذف شده (Missing Data)
  • 96. مدل‌سازی داده‌های چندسطحی
  • 97. مدل‌سازی برای داده‌های ترتیبی
  • 98. ارزیابی پایداری مدل
  • 99. مدل‌سازی احتمالات شرطی
  • 100. مفاهیم پیشرفته در MCMC

📚 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.