دوره تحلیل داده بیزی کاربردی: راهنمای جامع با R, JAGS و Stan همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

2,490,000 تومان
تحلیل داده بیزی کاربردی: راهنمای جامع با R, JAGS و Stan تحلیل داده بیزی کاربردی: راهنمای جامع با R, JAGS و Stan دنیای داده‌ها هر روز پیچیده‌تر می‌شود و نیاز به ابزارهای قدرتمند برای تحلیل آن‌ها بیش از...
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 622,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل داده بیزی کاربردی: راهنمای جامع با R, JAGS و Stan

موضوع کلی: علم داده و تحلیل پیشرفته

موضوع میانی: آمار بیزی و مدل‌سازی احتمالی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر تفکر بیزی: فراتر از فراوانی‌گرایی
  • 2. چرا آمار بیزی؟ مزایا و کاربردها در علم داده
  • 3. مبانی احتمال: از فضای نمونه تا توزیع‌های احتمالی
  • 4. احتمال شرطی و قضیه بیز: سنگ بنای استنتاج
  • 5. تفسیر بیزی از احتمال: باور و قطعیت
  • 6. اجزای یک مدل بیزی: پیشین، درستنمایی و پسین
  • 7. نصب و راه‌اندازی R و RStudio برای تحلیل بیزی
  • 8. آشنایی با بسته‌های کلیدی: tidyverse, rjags, rstan
  • 9. توزیع‌های پیشین (Prior): انتخاب و توجیه
  • 10. توزیع‌های پیشین ناآگاهانه (Uninformative Priors) در مقابل آگاهانه (Informative Priors)
  • 11. توزیع درستنمایی (Likelihood): پیوند داده‌ها به پارامترها
  • 12. توزیع پسین (Posterior): ترکیب دانش پیشین و داده‌ها
  • 13. استنتاج بیزی: توصیف توزیع پسین
  • 14. بازه معتبر (Credible Interval) در مقابل بازه اطمینان (Confidence Interval)
  • 15. معرفی شبیه‌سازی و روش‌های مونت کارلو
  • 16. چرا به MCMC (زنجیره مارکوف مونت کارلو) نیاز داریم؟
  • 17. آشنایی با الگوریتم گیبز (Gibbs Sampling)
  • 18. آشنایی با الگوریتم متروپلیس-هیستینگز (Metropolis-Hastings)
  • 19. معرفی JAGS: زبانی برای مدل‌سازی بیزی
  • 20. نوشتن اولین مدل در JAGS: مدل سکه
  • 21. اجرای مدل JAGS از طریق R با بسته rjags
  • 22. معرفی Stan: پلتفرمی مدرن برای مدل‌سازی آماری
  • 23. نوشتن اولین مدل در Stan: باز هم مدل سکه
  • 24. اجرای مدل Stan از طریق R با بسته rstan
  • 25. بررسی همگرایی زنجیره‌ها: نمودارهای Trace Plot
  • 26. معیار همگرایی Gelman-Rubin (R-hat)
  • 27. اندازه نمونه مؤثر (Effective Sample Size - ESS)
  • 28. خلاصه کردن توزیع پسین: معیارهای گرایش مرکزی و پراکندگی
  • 29. تجسم توزیع پسین: هیستوگرام و نمودار چگالی
  • 30. مدل‌سازی داده‌های دوتایی: توزیع برنولی و دوجمله‌ای
  • 31. انتخاب پیشین مزدوج: توزیع بتا برای پارامتر برنولی
  • 32. تخمین یک نسبت و بازه معتبر آن
  • 33. آزمون فرض بیزی: ناحیه برابری عملی (ROPE)
  • 34. مقایسه دو نسبت: رویکرد بیزی
  • 35. بررسی کیفیت مدل (Model Checking): بررسی پیش‌گویانه پسین
  • 36. مدل‌سازی داده‌های پیوسته: توزیع نرمال
  • 37. تخمین میانگین با واریانس معلوم
  • 38. تخمین میانگین و واریانس به صورت همزمان
  • 39. انتخاب توزیع پیشین برای میانگین و واریانس
  • 40. رویکرد بیزی به آزمون تی (t-test): مدل BEST
  • 41. مدل‌سازی مقاوم (Robust Modeling): استفاده از توزیع تی استیودنت
  • 42. مقایسه دو گروه: تحلیل تفاوت میانگین‌ها
  • 43. تحلیل توان آماری از دیدگاه بیزی
  • 44. مقدمه‌ای بر رگرسیون خطی ساده بیزی
  • 45. تفسیر پارامترهای رگرسیون (عرض از مبدأ و شیب) در چارچوب بیزی
  • 46. انتخاب توزیع‌های پیشین برای پارامترهای رگرسیون
  • 47. پیاده‌سازی رگرسیون خطی ساده در Stan
  • 48. ارزیابی عدم قطعیت در خط رگرسیون
  • 49. بررسی کیفیت مدل رگرسیون: تحلیل باقی‌مانده‌ها
  • 50. پیش‌بینی مقادیر جدید و بازه‌های پیش‌بینی
  • 51. رگرسیون خطی چندگانه بیزی
  • 52. تفسیر ضرایب در رگرسیون چندگانه
  • 53. اثرات متقابل (Interaction Effects) بین متغیرها
  • 54. کار با متغیرهای پیش‌بین طبقه‌ای (Categorical Predictors)
  • 55. چالش هم‌خطی چندگانه (Multicollinearity)
  • 56. مقایسه مدل‌ها: فاکتور بیز (Bayes Factor)
  • 57. معیارهای اطلاعاتی: DIC, WAIC و LOO-IC
  • 58. انتخاب متغیر بیزی (Bayesian Variable Selection)
  • 59. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLM)
  • 60. رگرسیون لجستیک بیزی: مدل‌سازی احتمالات
  • 61. تفسیر ضرایب در مقیاس لگاریتم شانس (Log-Odds)
  • 62. پیاده‌سازی رگرسیون لجستیک در Stan
  • 63. بررسی کیفیت مدل برای رگرسیون لجستیک
  • 64. رگرسیون پواسون بیزی: مدل‌سازی داده‌های شمارشی
  • 65. مشکل پراکندگی بیش از حد (Overdispersion)
  • 66. مدل دوجمله‌ای منفی (Negative Binomial) برای داده‌های شمارشی
  • 67. مقدمه‌ای بر مدل‌های سلسله‌مراتبی (Hierarchical Models)
  • 68. چرا مدل‌های سلسله‌مراتبی؟ مفهوم تجمیع نسبی (Partial Pooling)
  • 69. مدل سلسله‌مراتبی برای تخمین میانگین‌های چند گروه
  • 70. ساختار مدل سلسله‌مراتبی: پارامترهای سطح گروه و سطح جمعیت
  • 71. انتخاب توزیع‌های پیشین در مدل‌های سلسله‌مراتبی
  • 72. پیاده‌سازی یک مدل سلسله‌مراتبی ساده در Stan
  • 73. رگرسیون خطی سلسله‌مراتبی: مدل عرض از مبدأ تصادفی (Random Intercepts)
  • 74. مدل شیب تصادفی (Random Slopes)
  • 75. مدل عرض از مبدأ و شیب تصادفی
  • 76. پارامتری‌سازی مجدد: مدل‌های مرکزگریز (Non-centered Parameterization)
  • 77. رگرسیون لجستیک سلسله‌مراتبی
  • 78. رگرسیون پواسون سلسله‌مراتبی
  • 79. تجسم نتایج مدل‌های سلسله‌مراتبی
  • 80. گذار از JAGS به Stan: چرا و چگونه؟
  • 81. مدل‌سازی داده‌های ترتیبی (Ordinal Data): رگرسیون ترتیبی
  • 82. رگرسیون خطی مقاوم (Robust Regression) با توزیع تی
  • 83. مدل‌های آمیخته (Mixture Models): شناسایی زیرگروه‌ها
  • 84. تحلیل عاملی بیزی (Bayesian Factor Analysis)
  • 85. مدل‌سازی داده‌های سانسور شده (Censored Data)
  • 86. مدل‌سازی خطای اندازه‌گیری (Measurement Error Models)
  • 87. مدل‌های فضایی-زمانی (Spatio-temporal Models)
  • 88. تحلیل بقا (Survival Analysis) از دیدگاه بیزی
  • 89. بهینه‌سازی محاسباتی در Stan: برداری‌سازی (Vectorization)
  • 90. گردش کار بیزی (Bayesian Workflow) در عمل
  • 91. ارتباط و گزارش‌دهی نتایج تحلیل بیزی
  • 92. اخلاق در مدل‌سازی بیزی: شفافیت و بازتولیدپذیری
  • 93. مطالعه موردی ۱: تحلیل داده‌های بازاریابی
  • 94. مطالعه موردی ۲: تحلیل نتایج یک آزمایش بالینی
  • 95. مطالعه موردی ۳: مدل‌سازی داده‌های علوم اجتماعی
  • 96. فراتر از این دوره: موضوعات پیشرفته در آمار بیزی
  • 97. جمع‌بندی نهایی و خلاصه دوره
✦ مجموعه ویژه یادگیری

یک دوره، چند مسیر برای یادگیری بهتر

کتاب‌های آموزشی، محتوای صوتی و تصویری و دسترسی به سامانه آنلاین فلش‌کارت؛ مجموعه‌ای برای مطالعه، تمرین و تثبیت آموخته‌ها.

📚 محتوای متنی 🎧 صوت و ویدیو 🧠 مرور هوشمند

محتویات بسته آموزشی

مجموعه‌ای از منابع برای شیوه‌های مختلف یادگیری
📚
کتاب نکته‌های خودمانی
نسخه PDF با زبان ساده، روان و کاربردی برای یادگیری راحت‌تر مفاهیم.
PDF · بیان ساده
📘
کتاب نکته‌های رسمی فارسی
نسخه PDF با نگارش استاندارد، بیان دقیق و رویکرد علمی.
PDF · نگارش رسمی
❓
کتاب پرسش و پاسخ تشریحی
نسخه PDF برای مرور مفاهیم و آشنایی با پاسخ‌های توضیحی.
PDF · یادگیری مفهومی
✅
کتاب پرسش‌های چهارگزینه‌ای
نسخه PDF برای تمرین، سنجش آموخته‌ها و آمادگی بیشتر.
PDF · تمرین و سنجش
🎧
پادکست‌های صوتی فارسی
محتوای صوتی برای یادگیری و مرور مطالب در زمان‌های مختلف.
محتوای صوتی
🎬
ویدیوهای آموزشی فارسی
محتوای ویدیویی برای تکمیل تجربه یادگیری و درک بهتر مطالب.
محتوای ویدیویی
💻
اکانت سامانه آنلاین فلش‌کارت
دسترسی به نرم‌افزار آنلاین فلش‌کارت ویژه این دوره برای تمرین و مرور مطالب.
دسترسی آنلاین
🎓
گواهی پایان دوره
امکان دریافت گواهی پس از تکمیل فعالیت‌های لازم در سامانه و طی مراحل تأیید.
پس از تکمیل شرایط
💾
بسته فیزیکی روی فلش مموری
این محصول به‌صورت فلش مموری حاوی فایل‌های آموزشی، محتوای صوتی و ویدیویی ارائه می‌شود.
تحویل فیزیکی
نکته: استفاده از سامانه آنلاین فلش‌کارت به اتصال اینترنت نیاز دارد؛ محتوای قابل استفاده آفلاین به نوع فایل‌های موجود در بسته بستگی دارد.
SMART LEARNING

🌐 سامانه آنلاین فلش‌کارت؛ مرور هدفمند و هوشمند

اکانت ارائه‌شده، دسترسی به نسخه تحت وب سامانه فلش‌کارت ویژه این دوره را فراهم می‌کند. این سامانه از الگوریتم زمان‌بندی مرور SM-2 استفاده می‌کند و بر اساس ارزیابی شما از میزان یادآوری هر کارت، زمان مرورهای بعدی را تنظیم می‌کند.

به این ترتیب، کارت‌های دشوارتر می‌توانند زودتر مرور شوند و برای تثبیت مطالب در حافظه، برنامه مرور متناسب‌تری داشته باشید.

🧠
مرور زمان‌بندی‌شده
📈
پیگیری پیشرفت
🔄
تمرین و تکرار هدفمند
📚 حجم آموزشی دوره
هزاران
فلش‌کارت آموزشی، به‌صورت تقریبی
۶۰ ساعت
مدت‌زمان معادل برآوردشده آموزشی

مدت‌زمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج می‌شود.

🏅

گواهی دوزبانه با استعلام آنلاین

گواهی فارسی و انگلیسی · لینک اختصاصی · QR Code

پس از تکمیل فعالیت‌های لازم و تأیید درخواست، گواهی پایان دوره به زبان فارسی و انگلیسی صادر می‌شود. گواهی دارای لینک اختصاصی و QR Code برای بررسی و استعلام آنلاین است.

⚖️ توضیح مهم درباره گواهی پایان دوره

این گواهی صرفاً به‌عنوان گواهی اتمام دوره آموزشی صادر می‌شود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نیست. صدور آن منوط به تکمیل شرایط دوره و تأیید نهایی درخواست است.

تجربه‌ای کامل‌تر برای مطالعه، تمرین و یادگیری
express24.ir
تگ‌ها: Bayesian Data Analysis Big Data Inference JAGS R Stan آمار بیزی تحلیل بیزی تحلیل داده داده کاوی روش‌های بیزی علم داده مدل‌سازی احتمالی مدل‌های آماری یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.