کتاب تنظیمات پیشرفته برای مدل‌سازی‌های پیچیده در Stan با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

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 برای مدل‌سازی‌های پیچیده در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر زبان مدل‌سازی Stan
  • 2. مفاهیم پایه مدل‌سازی آماری
  • 3. شناخت متغیرهای تصادفی و توزیع‌های احتمال
  • 4. توزیع‌های رایج در آمار استنباطی
  • 5. نکات کلیدی در انتخاب توزیع مناسب
  • 6. مقدمه بر زنجیره‌های مارکوف مونت کارلو (MCMC)
  • 7. الگوریتم گیبس سمپلینگ (Gibbs Sampling)
  • 8. الگوریتم متروپولیس-هستینگز (Metropolis-Hastings)
  • 9. مبانی و ساختار کدنویسی در Stan
  • 10. آشنایی با بلوک‌های `data`, `parameters`, `transformed parameters`, `model`
  • 11. تعریف متغیرها و بردارها در Stan
  • 12. اعمال محدودیت‌ها و قیدها بر پارامترها
  • 13. مدل‌سازی رگرسیون خطی ساده در Stan
  • 14. تفسیر خروجی مدل‌های Stan
  • 15. ارزیابی کیفیت همگرایی MCMC
  • 16. نمودارهای سری زمانی (Trace Plots)
  • 17. آماره‌های ارزیابی همگرایی (R-hat, ESS)
  • 18. مدل‌سازی رگرسیون خطی چندگانه در Stan
  • 19. استفاده از ماتریس‌ها و عملیات ماتریسی در Stan
  • 20. مدل‌سازی رگرسیون لجستیک در Stan
  • 21. تعریف توابع سفارشی (User-defined functions) در Stan
  • 22. استفاده از حلقه‌ها و شرط‌ها در Stan
  • 23. مدل‌سازی اثرات ثابت (Fixed Effects)
  • 24. مدل‌سازی اثرات تصادفی (Random Effects)
  • 25. مدل‌های سلسله‌مراتبی (Hierarchical Models)
  • 26. مدل‌سازی اثرات مختلط (Mixed Effects Models)
  • 27. مدل‌سازی خطای پواسون (Poisson Regression)
  • 28. مدل‌سازی خطای دوجمله‌ای منفی (Negative Binomial Regression)
  • 29. مدل‌سازی سری‌های زمانی خطی
  • 30. مدل‌سازی مدل‌های AR(1) در Stan
  • 31. مدل‌سازی مدل‌های MA(1) در Stan
  • 32. مدل‌سازی مدل‌های ARMA(p,q)
  • 33. مدل‌سازی مدل‌های ARIMA(p,d,q)
  • 34. مدل‌سازی مدل‌های فصلی ARIMA
  • 35. مدل‌سازی مدل‌های GARCH
  • 36. مدل‌سازی مدل‌های ناهمسانی شرطی (Conditional Heteroskedasticity)
  • 37. مدل‌سازی مدل‌های رگرسیون غیرخطی
  • 38. مدل‌سازی مدل‌های رشد غیرخطی
  • 39. مدل‌سازی مدل‌های LBA (Linear Ballistic Accumulator)
  • 40. مدل‌سازی شبکه‌های عصبی ساده در Stan
  • 41. مقدمه بر مدل‌سازی مبتنی بر عامل (Agent-Based Modeling)
  • 42. طراحی مدل‌های مبتنی بر عامل در Stan
  • 43. شبیه‌سازی سناریوهای مختلف در مدل‌های عامل‌محور
  • 44. تحلیل نتایج شبیه‌سازی‌های عامل‌محور
  • 45. مقدمه بر مدل‌سازی بقا (Survival Analysis)
  • 46. مدل کاکس (Cox Proportional Hazards Model) در Stan
  • 47. مدل‌های بقای پارامتری در Stan
  • 48. مدل‌سازی داده‌های سانسور شده (Censored Data)
  • 49. مقدمه بر روش‌های بیزی (Bayesian Methods)
  • 50. استفاده از توزیع‌های پیشین (Prior Distributions)
  • 51. انتخاب توزیع‌های پیشین مناسب
  • 52. تفسیر نتایج بیزی
  • 53. مقایسه مدل‌های بیزی و فراوانی‌گرا
  • 54. مدل‌سازی مدل‌های مکانی (Spatial Models)
  • 55. مدل‌سازی اثرات مکانی خودهمبسته (CAR Models)
  • 56. مدل‌سازی اثرات مکانی ناهمبسته (ICAR Models)
  • 57. مدل‌سازی مدل‌های شبکه‌ای (Network Models)
  • 58. تحلیل شبکه‌ها در Stan
  • 59. مدل‌سازی دینامیک شبکه‌ها
  • 60. مدل‌سازی مدل‌های آماری برای داده‌های ترکیبی (Mixed Data)
  • 61. مدل‌سازی داده‌های پانل (Panel Data Models)
  • 62. مدل‌سازی داده‌های طولی (Longitudinal Data Models)
  • 63. مدل‌سازی داده‌های خوشه‌ای (Clustered Data Models)
  • 64. استفاده از Stan برای بهینه‌سازی
  • 65. روش‌های بهینه‌سازی بیزی
  • 66. بهینه‌سازی توابع هدف پیچیده
  • 67. بهینه‌سازی پارامترهای مدل‌های آماری
  • 68. مقدمه بر مفاهیم یادگیری ماشین
  • 69. کاربرد Stan در مدل‌های پیش‌بینی
  • 70. مدل‌سازی پیش‌بینی سری‌های زمانی
  • 71. مدل‌سازی پیش‌بینی رگرسیونی
  • 72. کاربرد Stan در داده‌کاوی
  • 73. تکنیک‌های نمونه‌گیری در Stan
  • 74. بهبود کارایی کد Stan
  • 75. اشکال‌زدایی (Debugging) مدل‌های Stan
  • 76. روش‌های اعتبارسنجی مدل (Model Validation)
  • 77. تست حساسیت (Sensitivity Analysis)
  • 78. تجزیه و تحلیل عدم قطعیت (Uncertainty Analysis)
  • 79. کاربرد Stan در علوم زیستی
  • 80. مدل‌سازی در ژنتیک جمعیت
  • 81. مدل‌سازی در بوم‌شناسی
  • 82. مدل‌سازی در اپیدمیولوژی
  • 83. کاربرد Stan در علوم اجتماعی
  • 84. مدل‌سازی در اقتصادسنجی
  • 85. مدل‌سازی در جامعه‌شناسی
  • 86. مدل‌سازی در روان‌شناسی
  • 87. کاربرد Stan در مهندسی
  • 88. مدل‌سازی در قابلیت اطمینان
  • 89. مدل‌سازی در کنترل کیفیت
  • 90. مدل‌سازی در پردازش سیگنال
  • 91. مقدمه بر زبان برنامه‌نویسی R
  • 92. اتصال R به Stan (rstan)
  • 93. استفاده از پکیج‌های R برای مصورسازی خروجی Stan
  • 94. کاربرد پکیج `loo` برای ارزیابی مدل
  • 95. کاربرد پکیج `brms` برای مدل‌سازی بیزی
  • 96. استفاده از Stan در محیط‌های محاسباتی توزیع‌شده
  • 97. نکات پیشرفته در استفاده از Stan
  • 98. آخرین دستاوردها و روندهای نوین در Stan
تگ‌ها: MCMC Stan آمار بیزی آمار پیشرفته تنظیمات Stan روش‌های بیزی مدل‌سازی آماری مدل‌سازی پیچیده نمونه‌گیری مارکوف

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.