کتاب کاربرد توزیع پسین در پیش‌بینی 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 کاربرد توزیع پسین در پیش‌بینی

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

موضوع میانی: توزیع پسین (Posterior Distribution)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مفاهیم احتمال و آمار
  • 2. مفاهیم پایه توزیع‌های احتمال گسسته
  • 3. توزیع دوجمله‌ای و کاربردهای آن
  • 4. توزیع پواسون و کاربردهای آن
  • 5. مفاهیم پایه توزیع‌های احتمال پیوسته
  • 6. توزیع نرمال و ویژگی‌های آن
  • 7. توزیع نمایی و کاربردهای آن
  • 8. توزیع گاما و کاربردهای آن
  • 9. مفاهیم نمونه‌گیری و توزیع نمونه‌گیری
  • 10. قضیه حد مرکزی و اهمیت آن
  • 11. مقدمه‌ای بر استنباط آماری
  • 12. برآوردگرهای نقطه‌ای و ویژگی‌های آن‌ها
  • 13. روش گشتاور برای برآورد
  • 14. روش درست‌نمایی بیشینه برای برآورد
  • 15. برآورد فاصله‌ای و مفهوم آن
  • 16. محاسبه فواصل اطمینان برای میانگین
  • 17. محاسبه فواصل اطمینان برای نسبت
  • 18. مفاهیم آزمون فرض آماری
  • 19. مراحل انجام آزمون فرض
  • 20. آزمون فرض برای میانگین جامعه با واریانس معلوم
  • 21. آزمون فرض برای میانگین جامعه با واریانس نامعلوم (آزمون t)
  • 22. آزمون فرض برای نسبت جامعه
  • 23. مقدمه‌ای بر توزیع پسین
  • 24. قانون بیز و فرمول بیز
  • 25. مفهوم احتمال پیشین و احتمال پیشین
  • 26. مفهوم احتمال درست‌نمایی (Likelihood)
  • 27. محاسبه احتمال پسین
  • 28. توزیع‌های پیشین رایج برای پارامترهای میانی
  • 29. توزیع پیشین یکنواخت برای میانگین
  • 30. توزیع پیشین نرمال برای میانگین
  • 31. توزیع‌های پیشین رایج برای پارامترهای واریانس
  • 32. توزیع پیشین معکوس گاما برای واریانس
  • 33. توزیع‌های پیشین رایج برای پارامترهای نسبت
  • 34. توزیع پیشین بتا برای نسبت
  • 35. توزیع‌های پیشین پیشرفته
  • 36. توزیع پیشین نرمال-گاما برای میانگین و واریانس
  • 37. توزیع پیشین نرمال-معکوس-گاما برای میانگین و واریانس
  • 38. مقدمه‌ای بر مدل‌سازی پیشین
  • 39. مدل‌سازی پیشین برای رگرسیون خطی ساده
  • 40. مدل‌سازی پیشین برای رگرسیون خطی چندگانه
  • 41. مدل‌سازی پیشین برای مدل‌های لاجستیک
  • 42. مقدمه‌ای بر روش‌های شبیه‌سازی توزیع پسین
  • 43. شبیه‌سازی مونت کارلو با روش مارکوف چین (MCMC)
  • 44. الگوریتم گیبس سمپلینگ
  • 45. الگوریتم متروپولیس-هستینگز
  • 46. ارزیابی همگرایی الگوریتم‌های MCMC
  • 47. استفاده از نرم‌افزارهای آماری برای مدل‌سازی پسین (مانند Stan, PyMC)
  • 48. کاربرد توزیع پسین در پیش‌بینی سری‌های زمانی
  • 49. مدل‌های ARIMA پسین
  • 50. مدل‌های حالت-فضا پسین
  • 51. پیش‌بینی سری‌های زمانی مالی با رویکرد پسین
  • 52. کاربرد توزیع پسین در مدل‌های خطی تعمیم‌یافته
  • 53. مدل‌های خطی تعمیم‌یافته پسین
  • 54. مدل‌های رگرسیون پواسون پسین
  • 55. مدل‌های رگرسیون دوجمله‌ای منفی پسین
  • 56. کاربرد توزیع پسین در یادگیری ماشین
  • 57. طبقه‌بند بیز ساده (Naive Bayes)
  • 58. شبکه‌های بیزی
  • 59. مقدمه‌ای بر استنتاج بیزی برای مدل‌های پیچیده
  • 60. مدل‌های سلسله مراتبی بیزی
  • 61. مدل‌های خودرگرسیو شرطی ناهمسانی واریانس (ARCH/GARCH) پسین
  • 62. استنتاج بیزی برای شبکه‌های عصبی
  • 63. کاربرد توزیع پسین در علوم داده
  • 64. پاکسازی و پیش‌پردازش داده‌ها با رویکرد بیزی
  • 65. انتخاب ویژگی با رویکرد بیزی
  • 66. ارزیابی مدل با رویکرد بیزی
  • 67. مدل‌سازی عدم قطعیت در پیش‌بینی‌ها
  • 68. تفسیر نتایج مدل‌های بیزی
  • 69. کاربرد توزیع پسین در اقتصاد سنجی
  • 70. مدل‌های انتخاب گسسته بیزی
  • 71. مدل‌های رگرسیون کوانتایل بیزی
  • 72. کاربرد توزیع پسین در علوم زیستی
  • 73. مدل‌سازی بقا با رویکرد بیزی
  • 74. مدل‌سازی ژنتیکی بیزی
  • 75. کاربرد توزیع پسین در علوم اجتماعی
  • 76. تحلیل شبکه‌های اجتماعی بیزی
  • 77. مدل‌سازی انتخاب اجتماعی بیزی
  • 78. مقدمه‌ای بر محاسبات بیزی
  • 79. محاسبات بیزی در سخت‌افزار
  • 80. توسعه الگوریتم‌های بیزی کارآمد
  • 81. بهینه‌سازی مدل‌های بیزی
  • 82. کاربرد توزیع پسین در مهندسی
  • 83. سیستم‌های تشخیص خطا با رویکرد بیزی
  • 84. پیش‌بینی عمر مفید تجهیزات با رویکرد بیزی
  • 85. کاربرد توزیع پسین در رباتیک
  • 86. مسیریابی ربات با استفاده از فیلتر کالمن بیزی
  • 87. تشخیص و تخمین موقعیت ربات با رویکرد بیزی
  • 88. کاربرد توزیع پسین در پردازش تصویر
  • 89. تقویت تصویر با استفاده از مدل‌های بیزی
  • 90. طبقه‌بندی تصویر با شبکه‌های بیزی
  • 91. ملاحظات عملی در اجرای مدل‌های بیزی
  • 92. انتخاب مدل پیشین مناسب
  • 93. ارزیابی حساسیت به انتخاب پیشین
  • 94. مقایسه مدل‌های بیزی با مدل‌های فراوانی‌گرا
  • 95. مدیریت داده‌های بزرگ در استنتاج بیزی
  • 96. نمایش نتایج مدل‌های بیزی به صورت گرافیکی
  • 97. کاربرد توزیع پسین در تحلیل ریسک
  • 98. مدل‌سازی ریسک اعتباری بیزی
  • 99. مدل‌سازی ریسک عملیاتی بیزی
  • 100. پیش‌بینی و مدیریت بحران با رویکرد بیزی
تگ‌ها: Bayesian statistics MCMC posterior distribution آمار بیزی استنتاج بیزی پیش‌بینی آماری توزیع احتمال کاربرد توزیع پسین مدل‌سازی آماری نمونه‌گیری مونت‌کارلو مارکوف

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.