کتاب استفاده از Stan for Advanced Analysis 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 استفاده از Stan for Advanced Analysis

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مدل‌سازی آماری با Stan
  • 2. نصب و راه‌اندازی Stan
  • 3. مبانی برنامه‌نویسی در Stan
  • 4. انواع مدل‌های خطی و تعمیم‌یافته
  • 5. مدل‌های رگرسیون خطی استاندارد در Stan
  • 6. مدل‌های رگرسیون لجستیک در Stan
  • 7. مدل‌های رگرسیون پواسون در Stan
  • 8. مدل‌های مختلط (Mixed-Effects Models)
  • 9. مقدمه‌ای بر مدل‌های مختلط
  • 10. مدل‌های مختلط خطی در Stan
  • 11. مدل‌های مختلط خطی تعمیم‌یافته در Stan
  • 12. مدل‌سازی سری‌های زمانی
  • 13. مقدمه‌ای بر مدل‌سازی سری‌های زمانی
  • 14. مدل‌های ARIMA در Stan
  • 15. مدل‌های حالت-فضا (State-Space Models) در Stan
  • 16. مدل‌های پیش‌بینی سری‌های زمانی
  • 17. مدل‌سازی سلسله‌مراتبی (Hierarchical Modeling)
  • 18. مقدمه‌ای بر مدل‌سازی سلسله‌مراتبی
  • 19. مدل‌های سلسله‌مراتبی خطی در Stan
  • 20. مدل‌های سلسله‌مراتبی تعمیم‌یافته در Stan
  • 21. مدل‌های بایزی (Bayesian Models)
  • 22. مقدمه‌ای بر استنتاج بایزی
  • 23. فرآیند مارکوف زنجیره‌ای مونت کارلو (MCMC)
  • 24. تشخیص و ارزیابی همگرایی MCMC
  • 25. مدل‌سازی بایزی با Stan
  • 26. کار با توزیع‌های پیشین (Priors)
  • 27. انتخاب توزیع‌های پیشین مناسب
  • 28. تاثیر توزیع‌های پیشین بر نتایج
  • 29. مدل‌سازی رگرسیون خطی بایزی
  • 30. مدل‌سازی رگرسیون لجستیک بایزی
  • 31. مدل‌سازی رگرسیون پواسون بایزی
  • 32. مدل‌سازی مدل‌های مختلط بایزی
  • 33. مدل‌سازی سری‌های زمانی بایزی
  • 34. مدل‌سازی سلسله‌مراتبی بایزی
  • 35. مدل‌سازی پیشرفته در Stan
  • 36. مدل‌های خطی تعمیم‌یافته پیشرفته
  • 37. مدل‌های غیرخطی در Stan
  • 38. مدل‌های ساختاری معادلات (SEM) در Stan
  • 39. مدل‌سازی شبکه‌های بایزی
  • 40. مدل‌سازی داده‌های فضایی در Stan
  • 41. مدل‌سازی داده‌های طبقه‌بندی شده (Categorical Data)
  • 42. مدل‌سازی داده‌های ترتیبی (Ordinal Data)
  • 43. مدل‌سازی داده‌های بقا (Survival Data)
  • 44. مدل‌سازی فرآیندهای فضایی-زمانی
  • 45. مدل‌سازی با Stan در حوزه‌های مختلف
  • 46. کاربرد Stan در علوم اجتماعی
  • 47. کاربرد Stan در اقتصاد
  • 48. کاربرد Stan در علوم زیستی
  • 49. کاربرد Stan در علوم داده
  • 50. کاربرد Stan در تحقیقات بالینی
  • 51. کاربرد Stan در تحلیل داده‌های پیمایشی
  • 52. کاربرد Stan در علوم رفتاری
  • 53. کاربرد Stan در علوم زمین
  • 54. کاربرد Stan در مهندسی
  • 55. بهینه‌سازی و تنظیم مدل‌ها در Stan
  • 56. نکات پیشرفته در کدنویسی Stan
  • 57. مدیریت داده‌های بزرگ با Stan
  • 58. اعتبارسنجی مدل‌ها با Stan
  • 59. تفسیر نتایج مدل‌های پیچیده
  • 60. مقایسه مدل‌ها با معیارهای بایزی
  • 61. استفاده از Stan برای شبیه‌سازی
  • 62. مدل‌سازی علّی با Stan
  • 63. مدل‌سازی علت و معلولی در Stan
  • 64. مدل‌سازی با متغیرهای پنهان (Latent Variables)
  • 65. استفاده از Stan برای تحلیل عامل (Factor Analysis)
  • 66. استفاده از Stan برای تحلیل مسیر (Path Analysis)
  • 67. مدیریت عدم قطعیت در مدل‌سازی
  • 68. ارزیابی حساسیت مدل به مفروضات
  • 69. کاربرد Stan در یادگیری ماشین بایزی
  • 70. یادگیری عمیق بایزی با Stan
  • 71. مدل‌های گرافیکی بایزی در Stan
  • 72. مدل‌سازی پویایی سیستم‌ها در Stan
  • 73. مدل‌سازی با داده‌های ناقص (Missing Data)
  • 74. روش‌های پیشرفته برای داده‌های ناقص
  • 75. مدل‌سازی با Stan در تحقیقات میان‌رشته‌ای
  • 76. ساخت مدل‌های سفارشی در Stan
  • 77. توسعه توابع سفارشی در Stan
  • 78. ارتباط Stan با سایر نرم‌افزارهای آماری
  • 79. تکنیک‌های عیب‌یابی در Stan
  • 80. اشکال‌زدایی (Debugging) مدل‌های Stan
  • 81. بهبود عملکرد کد Stan
  • 82. استفاده از Stan در محیط‌های ابری
  • 83. مقدمه‌ای بر محاسبات موازی در Stan
  • 84. مدل‌سازی با استفاده از Stan در R
  • 85. مدل‌سازی با استفاده از Stan در Python
  • 86. مدل‌سازی با استفاده از Stan در Julia
  • 87. مدل‌سازی با استفاده از Stan در Stata
  • 88. کاربرد Stan در تحلیل داده‌های شبکه‌ای
  • 89. مدل‌سازی شبکه‌های اجتماعی با Stan
  • 90. مدل‌سازی پدیده‌های پیچیده با Stan
  • 91. اصول مدل‌سازی پایدار و قابل تکرار
  • 92. ملاحظات اخلاقی در مدل‌سازی آماری
  • 93. ملاحظات حریم خصوصی داده‌ها در مدل‌سازی
  • 94. اصول مدل‌سازی شفاف و قابل فهم
  • 95. کاربرد Stan در تصمیم‌گیری‌های استراتژیک
  • 96. مدل‌سازی سناریوهای آینده با Stan
  • 97. پایان‌نامه و پروژه‌های پیشرفته با Stan
تگ‌ها: MCMC Stan آمار بیزی تحلیل آماری تحلیل پیشرفته داده‌کاوی رگرسیون بیزی مدل‌سازی آماری مدل‌های سلسله مراتبی نمونه‌گیری

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.