سپنتا کتاب اکسپرس
کتاب پیش‌بینی در مدل‌های آماری بیزی: رویکرد MCMC

کتاب پیش‌بینی در مدل‌های آماری بیزی: رویکرد 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 پیش‌بینی در مدل‌های آماری بیزی: رویکرد MCMC

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

موضوع میانی: پیش‌بینی با استفاده از MCMC (Posterior Predictive Distributions)

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر آمار بیزی
  • 2. مفاهیم اولیه احتمال
  • 3. قضیه بیز و کاربردهای آن
  • 4. توزیع های احتمال گسسته
  • 5. توزیع های احتمال پیوسته
  • 6. نمايش اولیه مدل هاي بيزي
  • 7. مفاهیم پارامتر و پیشین
  • 8. توزیع های پیشین رایج
  • 9. توزیع های پیشین غیر اطلاعاتی
  • 10. توزیع های پیشین اطلاعاتی
  • 11. توزیع های پیشین ترکیبی
  • 12. توزیع های پسین
  • 13. محاسبه توزیع پسین
  • 14. توزیع های پسین رایج
  • 15. مدل های خطی بیزی
  • 16. مدل های رگرسیون خطی بیزی
  • 17. انتخاب توزیع پیشین در مدل های خطی
  • 18. استنتاج در مدل های خطی بیزی
  • 19. پیش بینی در مدل های خطی بیزی
  • 20. ارزیابی مدل های خطی بیزی
  • 21. مقدمه ای بر روش های مونت کارلو زنجیره مارکوف (MCMC)
  • 22. مفاهیم اساسی MCMC
  • 23. ایده آل های MCMC
  • 24. الگوریتم های نمونه برداری MCMC
  • 25. الگوریتم گیبس (Gibbs Sampling)
  • 26. الگوریتم متروپلیس-هستینگز (Metropolis-Hastings)
  • 27. الگوریتم نمونه برداری اولیه
  • 28. اصول الگوریتم متروپلیس
  • 29. گام های الگوریتم متروپلیس
  • 30. پذیرش یا رد گام در متروپلیس
  • 31. تکمیل الگوریتم متروپلیس
  • 32. پیاده سازی الگوریتم گیبس
  • 33. مراحل الگوریتم گیبس
  • 34. شرط همگرایی در گیبس
  • 35. مزایا و معایب گیبس
  • 36. پیاده سازی الگوریتم متروپلیس-هستینگز
  • 37. انتخاب تابع پیشنهاد در MH
  • 38. انتخاب پارامتر گام در MH
  • 39. تنظیم پارامتر گام MH
  • 40. همگرایی زنجیره های مارکوف
  • 41. معیارهای همگرایی MCMC
  • 42. روش های تشخیص همگرایی
  • 43. تشخیص واگرایی زنجیره
  • 44. روش های ارزیابی همگرایی
  • 45. بررسی خودهمبستگی در نمونه ها
  • 46. کاهش خودهمبستگی
  • 47. نمونه برداری با گام بزرگتر
  • 48. نمونه برداری با گام کوچکتر
  • 49. استفاده از خانواده های مختلف پیشین
  • 50. تکنیک های بهبود MCMC
  • 51. انواع نمونه برداری های پیشرفته
  • 52. نمونه برداری در مدل های سلسله مراتبی
  • 53. مدل های سلسله مراتبی بیزی
  • 54. ساختار مدل های سلسله مراتبی
  • 55. تعریف توزیع های پیشین در سطوح مختلف
  • 56. استنتاج در مدل های سلسله مراتبی
  • 57. کاربرد MCMC در مدل های سلسله مراتبی
  • 58. پیش بینی در مدل های سلسله مراتبی
  • 59. ارزیابی مدل های سلسله مراتبی
  • 60. مدل های سری زمانی بیزی
  • 61. مدل های AR بیزی
  • 62. مدل های MA بیزی
  • 63. مدل های ARMA بیزی
  • 64. مدل های ARIMA بیزی
  • 65. استنتاج در مدل های سری زمانی بیزی
  • 66. پیش بینی در مدل های سری زمانی بیزی
  • 67. ارزیابی مدل های سری زمانی بیزی
  • 68. مدل های فضایی بیزی
  • 69. مفاهیم اساسی مدل های فضایی
  • 70. مدل های خودرگرسیو فضایی
  • 71. مدل های خودهمبسته فضایی
  • 72. استنتاج در مدل های فضایی بیزی
  • 73. پیش بینی در مدل های فضایی بیزی
  • 74. ارزیابی مدل های فضایی بیزی
  • 75. مقدمه ای بر مدل های گرافیکی بیزی
  • 76. شبکه های بیزی
  • 77. ساختار شبکه های بیزی
  • 78. استنتاج در شبکه های بیزی
  • 79. کاربرد شبکه های بیزی در پیش بینی
  • 80. مدل های غیرپارامتری بیزی
  • 81. مقدمه ای بر فرآیندهای گوسی
  • 82. فرآیندهای گوسی برای رگرسیون
  • 83. فرآیندهای گوسی برای طبقه بندی
  • 84. استنتاج در مدل های غیرپارامتری بیزی
  • 85. پیش بینی در مدل های غیرپارامتری بیزی
  • 86. کاربرد MCMC در مدل های غیرپارامتری
  • 87. ارزیابی مدل های غیرپارامتری بیزی
  • 88. نرم افزارهای مرتبط با MCMC
  • 89. نرم افزار Stan
  • 90. نرم افزار JAGS
  • 91. نرم افزار PyMC3
  • 92. نرم افزار Greta
  • 93. مقایسه نرم افزارهای MCMC
  • 94. کاربردهای عملی MCMC
  • 95. کاربرد در علوم زیستی
  • 96. کاربرد در علوم اقتصادی
  • 97. کاربرد در علوم اجتماعی
  • 98. کاربرد در مهندسی
  • 99. اصول اخلاقی در تحلیل داده ها
  • 100. حفظ حریم خصوصی در تحلیل داده

📚 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.