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. مقدمه‌ای بر روش‌های مونت کارلو زنجیره مارکوف
  • 2. مبانی نظری MCMC
  • 3. کاربرد MCMC در استنباط آماری
  • 4. معرفی نرم‌افزار Stan
  • 5. نصب و راه‌اندازی Stan
  • 6. ساختار مدل در Stan
  • 7. زبان مدل‌سازی Stan
  • 8. مفهوم متغیرهای تصادفی در Stan
  • 9. توابع چگالی احتمال در Stan
  • 10. تعریف داده‌ها در Stan
  • 11. تعریف پارامترها در Stan
  • 12. تعریف شرطی‌ها در Stan
  • 13. تعریف توابع کمکی در Stan
  • 14. نوشتن مدل‌های خطی ساده در Stan
  • 15. نوشتن مدل‌های رگرسیون لجستیک در Stan
  • 16. نوشتن مدل‌های رگرسیون پواسون در Stan
  • 17. مدل‌های سلسله مراتبی در Stan
  • 18. مفاهیم سطوح مختلف در مدل‌های سلسله مراتبی
  • 19. پیاده‌سازی مدل‌های سلسله مراتبی در Stan
  • 20. مدل‌های خطای متغیر در Stan
  • 21. مدل‌های فضایی در Stan
  • 22. مدل‌های سری زمانی در Stan
  • 23. مبانی نظری و کاربردی الگوریتم‌های نمونه‌برداری
  • 24. الگوریتم Metropolis-Hastings
  • 25. الگوریتم Gibbs Sampling
  • 26. الگوریتم Hamiltonian Monte Carlo (HMC)
  • 27. کاربرد HMC در Stan
  • 28. پارامترهای HMC
  • 29. تنظیم گام‌های HMC
  • 30. تنظیم تعداد مراحل HMC
  • 31. تنظیم پارامترهای L-BFGS
  • 32. مبانی نظری و کاربردی نمونه‌برداری در Stan
  • 33. نمونه‌برداری از توزیع پسین
  • 34. بررسی همگرایی زنجیره‌های مارکوف
  • 35. معیارهای همگرایی (Gelman-Rubin, R-hat)
  • 36. نمودارهایtrace plot
  • 37. نمودارهای autocorrelation plot
  • 38. بررسی همبستگی بین پارامترها
  • 39. بازنمایی بصری نتایج MCMC
  • 40. رسم نمودار هیستوگرام توزیع پسین
  • 41. رسم نمودار kernel density plot
  • 42. رسم نمودار scatter plot پارامترها
  • 43. تفسیر نتایج مدل‌های Bayesian
  • 44. محاسبه میانگین، میانه و واریانس توزیع پسین
  • 45. محاسبه فواصل اطمینان Bayesian (CrI)
  • 46. بررسی حساسیت مدل به پیش‌فرض‌ها
  • 47. اعتبارسنجی مدل با داده‌های جدید
  • 48. استفاده از Stan برای مدل‌های پیشرفته
  • 49. مدل‌های گرافی در Stan
  • 50. مدل‌های پنهان مارکوف در Stan
  • 51. مدل‌های شبکه‌ای در Stan
  • 52. مدل‌های آماری چندسطحی در Stan
  • 53. کاربرد MCMC در علوم زیستی
  • 54. کاربرد MCMC در علوم اقتصادی
  • 55. کاربرد MCMC در علوم اجتماعی
  • 56. کاربرد MCMC در علوم مهندسی
  • 57. کاربرد MCMC در علوم پزشکی
  • 58. کاربرد MCMC در پژوهش‌های سلامت
  • 59. کاربرد MCMC در تحلیل داده‌های پیمایشی
  • 60. کاربرد MCMC در مدل‌سازی پیش‌بینی
  • 61. مدل‌سازی داده‌های پرت در Stan
  • 62. مدل‌سازی داده‌های از دست رفته در Stan
  • 63. مدل‌سازی داده‌های طبقه‌بندی شده در Stan
  • 64. مدل‌سازی داده‌های رتبه‌بندی شده در Stan
  • 65. مدل‌سازی داده‌های بقا در Stan
  • 66. مدل‌سازی داده‌های تکراری در Stan
  • 67. مدل‌سازی داده‌های پانل در Stan
  • 68. مدل‌سازی داده‌های مکانی در Stan
  • 69. مدل‌سازی داده‌های زمانی در Stan
  • 70. استفاده از Stan برای شبیه‌سازی
  • 71. تولید داده‌های شبیه‌سازی شده از مدل Bayesian
  • 72. مقایسه نتایج مدل با داده‌های شبیه‌سازی شده
  • 73. اشکال‌زدایی مدل‌های Stan
  • 74. نکات پیشرفته در کدنویسی Stan
  • 75. بهینه‌سازی سرعت اجرای مدل‌های Stan
  • 76. استفاده از دستورات پیش‌پردازش در Stan
  • 77. استفاده از حلقه‌ها در Stan
  • 78. استفاده از شرط‌ها در Stan
  • 79. نوشتن توابع سفارشی در Stan
  • 80. ادغام Stan با زبان‌های برنامه‌نویسی دیگر (R, Python)
  • 81. اتصال Stan به R
  • 82. اتصال Stan به Python
  • 83. مقدمه‌ای بر مفاهیم پیشرفته Bayesian
  • 84. مدل‌های بیزی پیشرفته
  • 85. روش‌های نمونه‌برداری پیشرفته
  • 86. مدل‌سازی آماری مبتنی بر شواهد
  • 87. کاربرد MCMC در تصمیم‌گیری‌های پیچیده
  • 88. مبانی اخلاقی در تحلیل داده‌های آماری
  • 89. اصول حاکم بر پردازش و تحلیل داده‌ها در نظام اسلامی
  • 90. ملاحظات شرعی در استفاده از ابزارهای محاسباتی
  • 91. ضوابط ناظر بر انتشار نتایج تحقیقات آماری
  • 92. چارچوب‌های قانونی در حوزه داده و اطلاعات
  • 93. حفاظت از داده‌ها در سامانه آموزشی

📚 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.