کتاب راهنمای جامع برای مدل‌سازی با 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 راهنمای جامع برای مدل‌سازی 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 و Stan
  • 2. نصب و راه‌اندازی Stan
  • 3. مفاهیم اساسی مدل‌سازی احتمالاتی
  • 4. توزیع‌های احتمالاتی رایج در Stan
  • 5. مدل‌سازی خطی ساده با Stan
  • 6. مفاهیم بیزی و استنتاج بیزی
  • 7. پیش‌نیازهای زبان برنامه‌نویسی R برای Stan
  • 8. مقدمه‌ای بر زبان Stan
  • 9. ساختار کلی برنامه‌های Stan
  • 10. تابع log-probability در Stan
  • 11. توابع توزیع در Stan
  • 12. پارامترهای مدل و تخمین آن‌ها
  • 13. مدل‌سازی رگرسیونی خطی با Stan
  • 14. مدل‌سازی رگرسیونی لجستیک با Stan
  • 15. مدل‌سازی رگرسیونی پواسون با Stan
  • 16. مدل‌سازی رگرسیونی ناپارامتری با Stan
  • 17. رگرسیون چندسطحی در Stan
  • 18. مدل‌های سلسله‌مراتبی در Stan
  • 19. مفاهیم priors و posteriors
  • 20. انتخاب priors مناسب
  • 21. اثرات priors بر نتایج
  • 22. روش‌های نمونه‌گیری MCMC
  • 23. الگوریتم Metropolis-Hastings
  • 24. الگوریتم Gibbs Sampling
  • 25. الگوریتم Hamiltonian Monte Carlo (HMC)
  • 26. الگوریتم No-U-Turn Sampler (NUTS)
  • 27. ارزیابی همگرایی زنجیره‌ها
  • 28. معیارهای ارزیابی همگرایی (Gelman-Rubin)
  • 29. بررسی و تحلیل نتایج MCMC
  • 30. تفسیر مقادیر posteriors
  • 31. محاسبه فواصل اطمینان بیزی
  • 32. مدل‌سازی سری‌های زمانی با Stan
  • 33. مدل‌های ARIMA در Stan
  • 34. مدل‌های حالت-فضا در Stan
  • 35. مدل‌سازی داده‌های مکانی با Stan
  • 36. مدل‌های خودهمبسته مکانی
  • 37. مدل‌های ناهمگن مکانی
  • 38. مدل‌سازی بقا با Stan
  • 39. مدل‌های کاکس با Stan
  • 40. مدل‌های بقای پارامتری
  • 41. مدل‌سازی داده‌های گسسته با Stan
  • 42. مدل‌های داده‌های شمارشی
  • 43. مدل‌های داده‌های دوگانه
  • 44. مدل‌سازی داده‌های سانسور شده با Stan
  • 45. مدل‌های خطی تعمیم‌یافته با Stan
  • 46. مدل‌های غیرخطی با Stan
  • 47. مدل‌سازی شبکه‌های اجتماعی با Stan
  • 48. مدل‌های گرافیکی در Stan
  • 49. استفاده از Stan برای شبیه‌سازی
  • 50. اعتبارسنجی مدل با استفاده از شبیه‌سازی
  • 51. مدل‌سازی داده‌های گمشده با Stan
  • 52. روش‌های imputation با Stan
  • 53. مدل‌سازی داده‌های ناقص با Stan
  • 54. مدل‌سازی برای داده‌های پانل با Stan
  • 55. مدل‌های پویا در Stan
  • 56. مدل‌سازی مقایسه‌ای با Stan
  • 57. استفاده از Stan در پژوهش‌های علمی
  • 58. مدل‌سازی برای علوم زیستی
  • 59. مدل‌سازی برای علوم اجتماعی
  • 60. مدل‌سازی برای اقتصاد
  • 61. مدل‌سازی برای مهندسی
  • 62. مدل‌سازی برای علوم محیطی
  • 63. مدل‌سازی برای علوم سیاسی
  • 64. مدل‌سازی برای روانشناسی
  • 65. بهینه‌سازی پارامترها در Stan
  • 66. کاربرد Stan در تحلیل داده‌های بزرگ
  • 67. دیباگ کردن کدهای Stan
  • 68. تکنیک‌های پیشرفته در Stan
  • 69. استفاده از Stan با زبان‌های دیگر (Python)
  • 70. توسعه بسته‌های سفارشی برای Stan
  • 71. محدودیت‌های Stan و راهکارها
  • 72. مقایسه Stan با نرم‌افزارهای دیگر
  • 73. ملاحظات اخلاقی در مدل‌سازی آماری
  • 74. حفظ حریم خصوصی داده‌ها در مدل‌سازی
  • 75. کاربرد مدل‌سازی بیزی در سیاست‌گذاری
  • 76. مدل‌سازی پیامدهای اقتصادی
  • 77. مدل‌سازی ریسک در بیمه
  • 78. مدل‌سازی در حوزه سلامت
  • 79. مدل‌سازی پیش‌بینی در حوزه فناوری
  • 80. مدل‌سازی در حوزه آموزش
  • 81. مدل‌سازی در حوزه ارتباطات
  • 82. مدل‌سازی در حوزه مدیریت
  • 83. مدل‌سازی در حوزه بازاریابی
  • 84. مدل‌سازی در حوزه شهرسازی
  • 85. مدل‌سازی در حوزه کشاورزی
  • 86. مدل‌سازی در حوزه انرژی
  • 87. مدل‌سازی در حوزه گردشگری
  • 88. مدل‌سازی در حوزه حقوق
  • 89. مدل‌سازی در حوزه هنر
  • 90. مدل‌سازی در حوزه معماری
  • 91. مدل‌سازی در حوزه ورزش
  • 92. مدل‌سازی در حوزه حمل و نقل
  • 93. مدل‌سازی در حوزه فرهنگ
  • 94. مدل‌سازی در حوزه زبان‌شناسی
  • 95. مدل‌سازی در حوزه تاریخ
  • 96. مدل‌سازی در حوزه فلسفه
تگ‌ها: MCMC Stan آمار بیزی برنامه‌نویسی R تحلیل داده محاسبات آماری مدل‌سازی آماری نرم‌افزار Stan نمونه‌گیری مونت‌کارلو مارکوف

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.