سپنتا کتاب اکسپرس
کتاب راهنمای جامع برای MCMC با Stan

کتاب راهنمای جامع برای 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 راهنمای جامع برای MCMC با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مدل‌سازی آماری بیزی
  • 2. مبانی احتمال و آمار
  • 3. مفاهیم کلیدی در استنتاج بیزی
  • 4. مقدمه ای بر زنجیره های مارکوف و فرآیندهای تصادفی
  • 5. نظریه زنجیره مارکوف
  • 6. حالت های گذار و توزیع پایدار
  • 7. مقدمه ای بر الگوریتم های نمونه برداری
  • 8. نیاز به نمونه برداری برای توزیع های پیچیده
  • 9. محدودیت های روش های تحلیلی
  • 10. معرفی Stan و زبان آن
  • 11. نصب و پیکربندی Stan
  • 12. نوشتن اولین مدل در Stan
  • 13. ساختار اصلی یک کد Stan
  • 14. کامپایل و اجرای مدل ها
  • 15. دیباگ کردن کدهای Stan
  • 16. مفاهیم پایه در MCMC
  • 17. Metropolis-Hastings
  • 18. Gibbs Sampling
  • 19. مقدمه ای بر نمونه برداری اهمیت (Importance Sampling)
  • 20. محدودیت های نمونه برداری اهمیت
  • 21. نظریه MCMC
  • 22. همگرایی در MCMC
  • 23. معیارهای ارزیابی همگرایی
  • 24. R-hat و Trace Plots
  • 25. Autocorrelation Plots
  • 26. Effective Sample Size (ESS)
  • 27. تشخیص عدم همگرایی
  • 28. روش های بهبود همگرایی
  • 29. تبدیلات پارامترها
  • 30. نمونه برداری از توزیع های شرطی
  • 31. استفاده از Priors مناسب
  • 32. انواع Priors (Uniform, Normal, Jeffreys)
  • 33. اثر Priors بر نتایج
  • 34. انتخاب Priors بر اساس دانش پیشین
  • 35. محدودیت های Priors
  • 36. مدل های خطی بیزی
  • 37. رگرسیون خطی ساده بیزی
  • 38. رگرسیون خطی چندگانه بیزی
  • 39. مدل های خطی تعمیم یافته (GLM)
  • 40. رگرسیون لجستیک بیزی
  • 41. رگرسیون پواسون بیزی
  • 42. مدل های سلسله مراتبی بیزی
  • 43. مقدمه ای بر مدل های سلسله مراتبی
  • 44. مزایای مدل های سلسله مراتبی
  • 45. مدل های سلسله مراتبی برای داده های گروه بندی شده
  • 46. مدل های سلسله مراتبی چند سطحی
  • 47. پیاده سازی مدل های سلسله مراتبی در Stan
  • 48. مدل سازی سری های زمانی بیزی
  • 49. مدل های ARIMA بیزی
  • 50. مدل های حالت فضا بیزی
  • 51. مدل های اتورگرسیو شرطی ناهمسانی واریانس (ARCH/GARCH) بیزی
  • 52. مدل سازی فضایی بیزی
  • 53. مقدمه ای بر داده های فضایی
  • 54. مدل های وابستگی فضایی
  • 55. مدل های خودرگرسیو فضایی (SAR)
  • 56. مدل های خودهمبسته فضایی (CAR)
  • 57. مدل سازی شبکه های بیزی
  • 58. مقدمه ای بر گراف های جهت دار غیرمدور (DAG)
  • 59. نحوه تعریف شبکه های بیزی
  • 60. استنتاج در شبکه های بیزی
  • 61. کاربرد شبکه های بیزی در Stan
  • 62. مدل سازی بقا بیزی
  • 63. تابع خطر (Hazard Function)
  • 64. مدل کاکس (Cox Model) بیزی
  • 65. مدل های پارامتریک بقا بیزی
  • 66. مدل سازی داده های پرت (Outlier)
  • 67. روش های شناسایی داده های پرت
  • 68. نحوه برخورد با داده های پرت در مدل های بیزی
  • 69. استفاده از توزیع های سنگین در مدل ها
  • 70. مدل سازی داده های گمشده (Missing Data)
  • 71. روش های برخورد با داده های گمشده
  • 72. Imputation در Stan
  • 73. مدل های MCMC پیشرفته
  • 74. Hamiltonian Monte Carlo (HMC)
  • 75. No-U-Turn Sampler (NUTS)
  • 76. مزایای HMC و NUTS
  • 77. بهینه سازی مدل های Stan
  • 78. استفاده از Stan برای تحلیل داده های واقعی
  • 79. مثال های کاربردی در علوم اجتماعی
  • 80. مثال های کاربردی در علوم زیستی
  • 81. مثال های کاربردی در علوم اقتصادی
  • 82. مثال های کاربردی در علوم مهندسی
  • 83. ملاحظات مربوط به محاسبات و عملکرد
  • 84. تکنیک های موازی سازی در Stan
  • 85. استفاده از GPU در Stan (در صورت امکان)
  • 86. مدیریت حافظه و منابع
  • 87. ارزیابی حساسیت مدل
  • 88. آزمون های استحکام (Robustness Tests)
  • 89. مقایسه مدل های مختلف
  • 90. کاربرد Stan در تحقیقات علمی
  • 91. نکات پیشرفته و استراتژی های مدلسازی
  • 92. نتیجه گیری و مسیرهای آینده در MCMC و 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.