کتاب تکنیک‌های ارزیابی مدل 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 تکنیک‌های ارزیابی مدل با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مبانی مدل‌سازی آماری در Stan
  • 2. مقدمه‌ای بر زبان برنامه‌نویسی Stan
  • 3. نصب و راه‌اندازی Stan
  • 4. ساختار کلی مدل‌های احتمالاتی
  • 5. معرفی توزیع‌های احتمالاتی رایج
  • 6. نمونه‌گیری از توزیع‌های مشخص
  • 7. مفاهیم اولیه استنتاج بیزی
  • 8. ماتریس کوواریانس و مدل‌های خطی
  • 9. مدل‌های رگرسیون خطی ساده
  • 10. مدل‌های رگرسیون خطی چندگانه
  • 11. مدل‌های رگرسیون با اثرات ثابت
  • 12. مدل‌های رگرسیون با اثرات تصادفی
  • 13. مدل‌های سلسله‌مراتبی و چندسطحی
  • 14. مقدمه‌ای بر زنجیره‌های مارکوف مونت کارلو (MCMC)
  • 15. الگوریتم Gibbs Sampling
  • 16. الگوریتم Hamiltonian Monte Carlo (HMC)
  • 17. الگوریتم No-U-Turn Sampler (NUTS)
  • 18. ارزیابی کیفیت نمونه‌ها
  • 19. تشخیص همگرایی زنجیره‌ها
  • 20. معیارهای ارزیابی همگرایی (R-hat)
  • 21. نمودارهای Trace و Autocorrelation
  • 22. مدل‌سازی داده‌های شمارشی
  • 23. مدل‌های رگرسیون لجستیک
  • 24. مدل‌های رگرسیون پواسون
  • 25. مدل‌سازی داده‌های پیوسته
  • 26. مدل‌های خطی تعمیم‌یافته (GLM)
  • 27. مدل‌های خطی تعمیم‌یافته در Stan
  • 28. مدل‌سازی داده‌های سری زمانی
  • 29. مدل‌های ARIMA در Stan
  • 30. مدل‌های حالت فضا در Stan
  • 31. مدل‌سازی داده‌های مکانی
  • 32. مدل‌های مکانی ساده
  • 33. مدل‌های مکانی سلسله‌مراتبی
  • 34. مقدمه‌ای بر نظریه شبکه‌های بیزی
  • 35. ساخت شبکه‌های بیزی در Stan
  • 36. استنتاج در شبکه‌های بیزی
  • 37. مدل‌سازی داده‌های گرافی
  • 38. مدل‌های گرافیکی در Stan
  • 39. مدل‌سازی داده‌های خوشه‌ای
  • 40. الگوریتم‌های خوشه‌بندی در Stan
  • 41. مدل‌سازی داده‌های طبقه‌بندی
  • 42. مدل‌های طبقه‌بندی بیزی
  • 43. مدل‌سازی داده‌های بقا
  • 44. مدل‌های بقا در Stan
  • 45. مقدمه‌ای بر روش‌های بیزین تطبیقی
  • 46. مدل‌های بیزین تطبیقی با Stan
  • 47. مدل‌سازی داده‌های پویا
  • 48. مدل‌های پویای احتمالاتی
  • 49. مدل‌سازی داده‌های گمشده
  • 50. روش‌های imputation در Stan
  • 51. مدل‌سازی داده‌های بزرگ
  • 52. بهینه‌سازی مدل‌ها در Stan
  • 53. ارزیابی پیش‌بینی مدل
  • 54. اعتبار سنجی متقابل (Cross-validation)
  • 55. مدل‌سازی پیشرفته با Stan
  • 56. مدل‌سازی آماری برای علوم اجتماعی
  • 57. مدل‌سازی آماری برای اقتصاد
  • 58. مدل‌سازی آماری برای علوم زیستی
  • 59. مدل‌سازی آماری برای مهندسی
  • 60. مقدمه‌ای بر روش‌های بیزین محاسباتی
  • 61. تکنیک‌های نمونه‌گیری پیشرفته
  • 62. بهینه‌سازی پارامترهای مدل
  • 63. مدل‌سازی عدم قطعیت
  • 64. مدل‌سازی با اثرات متقابل
  • 65. مدل‌سازی داده‌های با توزیع‌های نامتعارف
  • 66. مدل‌سازی غیرخطی در Stan
  • 67. مدل‌سازی با ترکیب مدل‌ها
  • 68. مدل‌سازی با داده‌های پرت
  • 69. مدل‌سازی با متغیرهای پنهان
  • 70. مدل‌سازی با عوامل اکتشافی
  • 71. مدل‌سازی با فاکتورهای پنهان (Latent Factors)
  • 72. مدل‌سازی با معادلات ساختاری
  • 73. مدل‌سازی با مدل‌های خطی مختلط
  • 74. مدل‌سازی با مدل‌های رگرسیون کوانتایل
  • 75. مدل‌سازی با مدل‌های پیش‌بینی کننده
  • 76. مدل‌سازی با مدل‌های غیرپارامتری
  • 77. مدل‌سازی با شبکه‌های عصبی بیزی
  • 78. مدل‌سازی با مدل‌های یادگیری عمیق
  • 79. مقدمه‌ای بر ارزیابی مدل با Stan
  • 80. معیارهای ارزیابی مدل‌های بیزی
  • 81. اعتبارسنجی مدل با داده‌های جدید
  • 82. تحلیل حساسیت مدل
  • 83. مقایسه مدل‌ها با معیارهای بیزی
  • 84. مدل‌سازی و تفسیر نتایج
  • 85. ارتباط نتایج مدل با فرضیات
  • 86. استفاده از Stan برای تحقیقات علمی
  • 87. کاربردهای عملی Stan
  • 88. نکات پیشرفته در برنامه‌نویسی Stan
  • 89. اشکال‌زدایی مدل‌های Stan
  • 90. بهینه‌سازی کد Stan
  • 91. مستندسازی مدل‌های Stan
  • 92. اشتراک‌گذاری مدل‌های Stan
  • 93. مقدمه‌ای بر ابزارهای کمکی Stan
  • 94. کار با داده‌های پیچیده در Stan
  • 95. مدل‌سازی داده‌های پانل
  • 96. مدل‌سازی داده‌های مختلط
  • 97. مدل‌سازی داده‌های ترتیبی
  • 98. مدل‌سازی داده‌های زمانی-مکانی
  • 99. مدل‌سازی با استفاده از آگاهی پیشین
  • 100. مدل‌سازی با داده‌های ناقص

📚 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.