کتاب تنظیمات پیشرفته for Modeling in Stan با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیمات پیشرفته for Modeling in Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مدل‌سازی آماری در ایران
  • 2. مبانی احتمال و آمار برای مدل‌سازی
  • 3. توزیع‌های احتمال رایج در مدل‌سازی
  • 4. مفاهیم پایه‌ای مدل‌سازی بیزی
  • 5. معرفی نرم‌افزار Stan
  • 6. نصب و راه‌اندازی Stan
  • 7. مبانی زبان Stan (Stan Language)
  • 8. ساختار کلی برنامه‌های Stan
  • 9. تعریف مدل‌های خطی در Stan
  • 10. مدل‌های رگرسیون خطی بیزی
  • 11. مدل‌های خطی تعمیم‌یافته (GLMs) در Stan
  • 12. مدل‌سازی رگرسیون لجستیک در Stan
  • 13. مدل‌سازی رگرسیون پواسون در Stan
  • 14. مدل‌سازی رگرسیون کوپولا در Stan
  • 15. مدل‌سازی سلسله‌مراتبی (Hierarchical Modeling)
  • 16. مزایای مدل‌سازی سلسله‌مراتبی
  • 17. پیاده‌سازی مدل‌های سلسله‌مراتبی در Stan
  • 18. مدل‌های اثرات مختلط (Mixed Effects Models)
  • 19. مدل‌سازی اثرات ثابت و تصادفی
  • 20. کاربرد مدل‌های اثرات مختلط در علوم اجتماعی
  • 21. مدل‌سازی سری‌های زمانی در Stan
  • 22. مدل‌های ARIMA در Stan
  • 23. مدل‌های حالت فضا (State-Space Models)
  • 24. مدل‌سازی مدل‌های مارکوف زنجیره‌ای پنهان (HMM)
  • 25. مدل‌سازی داده‌های مکانی (Spatial Modeling)
  • 26. مدل‌های رگرسیون مکانی در Stan
  • 27. مدل‌سازی داده‌های خوشه‌ای (Clustering)
  • 28. الگوریتم‌های خوشه‌بندی در Stan
  • 29. مدل‌سازی شبکه‌های اجتماعی در Stan
  • 30. مدل‌سازی معادلات ساختاری (SEM) در Stan
  • 31. روش‌های نمونه‌گیری در مدل‌سازی بیزی
  • 32. روش‌های MCMC (Markov Chain Monte Carlo)
  • 33. الگوریتم Gibbs Sampling
  • 34. الگوریتم Metropolis-Hastings
  • 35. کاربرد الگوریتم‌های MCMC در Stan
  • 36. تشخیص همگرایی زنجیره‌ها
  • 37. معیارهای همگرایی (R-hat, ESS)
  • 38. تنظیمات پیشرفته الگوریتم‌های MCMC
  • 39. مدیریت پارامترهای مدل
  • 40. بهینه‌سازی کد Stan
  • 41. استفاده از دستورات پیشرفته Stan
  • 42. توابع سفارشی در Stan
  • 43. ماژول‌ها و کتابخانه‌های Stan
  • 44. مدل‌سازی داده‌های گمشده (Missing Data)
  • 45. روش‌های imputation در Stan
  • 46. مدل‌سازی داده‌های پرت (Outliers)
  • 47. روش‌های تشخیص و مدیریت داده‌های پرت
  • 48. مدل‌سازی معادلات پیش‌بینی‌کننده (Predictive Modeling)
  • 49. ارزیابی مدل‌های پیش‌بینی‌کننده
  • 50. اعتبارسنجی متقابل (Cross-Validation)
  • 51. اعتبارسنجی بیزی (Bayesian Cross-Validation)
  • 52. انتخاب مدل (Model Selection)
  • 53. معیارهای انتخاب مدل (DIC, WAIC)
  • 54. مقایسه مدل‌ها با استفاده از معیارهای بیزی
  • 55. مدل‌سازی پیشرفته در اقتصاد اسلامی
  • 56. مدل‌سازی در بانکداری بدون ربا
  • 57. مدل‌سازی عقود اسلامی (مضاربه، جعاله)
  • 58. مدل‌سازی بیمه‌های اتکایی اسلامی
  • 59. مدل‌سازی در علوم پزشکی و بهداشت
  • 60. مدل‌سازی در مطالعات بالینی
  • 61. مدل‌سازی در اپیدمیولوژی
  • 62. مدل‌سازی در سلامت روان
  • 63. مدل‌سازی در علوم اجتماعی و رفتاری
  • 64. مدل‌سازی در جامعه‌شناسی
  • 65. مدل‌سازی در روانشناسی بالینی
  • 66. مدل‌سازی در مطالعات خانواده
  • 67. مدل‌سازی در علوم سیاسی
  • 68. مدل‌سازی در تحلیل سیاست‌گذاری
  • 69. مدل‌سازی در روابط بین‌الملل
  • 70. مدل‌سازی در مطالعات امنیتی
  • 71. مدل‌سازی در علوم محیط زیست
  • 72. مدل‌سازی تغییرات اقلیمی
  • 73. مدل‌سازی آلودگی هوا
  • 74. مدل‌سازی منابع آب
  • 75. مدل‌سازی در علوم مهندسی
  • 76. مدل‌سازی در مهندسی عمران
  • 77. مدل‌سازی در مهندسی برق
  • 78. مدل‌سازی در مهندسی مکانیک
  • 79. مدل‌سازی در علوم داده
  • 80. یادگیری ماشین با رویکرد بیزی
  • 81. مدل‌سازی پیش‌بینی در یادگیری ماشین
  • 82. مدل‌سازی برای داده‌های بزرگ (Big Data)
  • 83. مدل‌سازی در حوزه حکمرانی داده
  • 84. مدل‌سازی در حوزه هوش مصنوعی
  • 85. اصول اخلاقی در مدل‌سازی آماری
  • 86. مسئولیت‌پذیری در استفاده از مدل‌ها
  • 87. شفافیت در گزارش‌دهی مدل‌ها
  • 88. پیاده‌سازی مدل‌ها در پروژه‌های واقعی
  • 89. کارگاه عملی مدل‌سازی با Stan
  • 90. پروژه نهایی مدل‌سازی
  • 91. ارائه نتایج مدل‌سازی
  • 92. مباحث پیشرفته در مدل‌سازی بیزی
  • 93. مدل‌سازی پویا (Dynamic Modeling)
  • 94. مدل‌سازی سیستم‌های پیچیده
  • 95. مدل‌سازی با استفاده از شبکه‌های عصبی بیزی
  • 96. روش‌های بیزین پیشرفته
  • 97. مقدمه‌ای بر روش‌های بهینه‌سازی بیزی
  • 98. کاربرد Stan در تحقیقات علمی
  • 99. نکات کاربردی برای نوشتن کد Stan
  • 100. اشکال‌زدایی (Debugging) کدهای Stan
تگ‌ها: MCMC Stan آمار بیزی بهینه‌سازی Stan تنظیمات Stan راندمان MCMC مدل‌سازی آماری مدل‌سازی بیزی نمونه‌گیری مارکوف

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.