کتاب تنظیمات پیشرفته برای مسائل 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 مسائل 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 برنامه‌نویسی Stan
  • 2. مفاهیم پایه در Stan: متغیرها، انواع داده و عملگرها
  • 3. ساختار کنترل برنامه: دستورات شرطی و حلقه‌ها در Stan
  • 4. توابع در Stan: تعریف، فراخوانی و کاربردها
  • 5. آرایه‌ها و ساختارها در Stan
  • 6. مدیریت خطا و استثناء در Stan
  • 7. کار با فایل‌ها در Stan: خواندن و نوشتن
  • 8. مقدمه‌ای بر مدل‌سازی آماری در Stan
  • 9. مفاهیم احتمال و توزیع‌های آماری
  • 10. توزیع‌های پیشین و پسین در مدل‌سازی بیزی
  • 11. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLMs)
  • 12. پیاده‌سازی GLMs در Stan
  • 13. مفاهیم مدل‌های سلسله‌مراتبی
  • 14. پیاده‌سازی مدل‌های سلسله‌مراتبی در Stan
  • 15. مدل‌سازی سری‌های زمانی با Stan
  • 16. مقدمه‌ای بر روش‌های مونت کارلو زنجیره مارکوف (MCMC)
  • 17. الگوریتم‌های نمونه‌برداری در MCMC
  • 18. ارزیابی همگرایی در MCMC
  • 19. تنظیم پارامترهای نمونه‌برداری در Stan
  • 20. کار با داده‌های پرت و نامعلوم در مدل‌سازی
  • 21. اعتبارسنجی مدل با استفاده از داده‌های شبیه‌سازی شده
  • 22. تکنیک‌های بهینه‌سازی در Stan
  • 23. بهینه‌سازی بیزی با Stan
  • 24. مقدمه‌ای بر مدل‌های استنباطی
  • 25. مدل‌سازی رگرسیون لجستیک با Stan
  • 26. مدل‌سازی رگرسیون پواسون با Stan
  • 27. مدل‌سازی رگرسیون خطی با Stan
  • 28. مدل‌سازی اثرات ثابت و تصادفی
  • 29. مدل‌سازی داده‌های طولی در Stan
  • 30. مدل‌سازی فضایی با Stan
  • 31. مقدمه‌ای بر مدل‌های شبکه‌ای
  • 32. پیاده‌سازی مدل‌های شبکه‌ای در Stan
  • 33. مدل‌سازی با استفاده از توزیع‌های شرطی
  • 34. کار با داده‌های خوشه‌ای در Stan
  • 35. مدل‌سازی با استفاده از توزیع‌های ترکیبی
  • 36. مقدمه‌ای بر مدل‌های پنهان مارکوف
  • 37. پیاده‌سازی مدل‌های پنهان مارکوف در Stan
  • 38. مدل‌سازی با استفاده از توزیع‌های گوسی چندمتغیره
  • 39. کار با داده‌های با ابعاد بالا در Stan
  • 40. مقدمه‌ای بر استنباط علی
  • 41. پیاده‌سازی استنباط علی با Stan
  • 42. مدل‌سازی با استفاده از معادلات ساختاری (SEM)
  • 43. مقدمه‌ای بر مدل‌های گرافیکی
  • 44. پیاده‌سازی مدل‌های گرافیکی در Stan
  • 45. کار با داده‌های غیرنرمال در Stan
  • 46. مقدمه‌ای بر یادگیری ماشین بیزی
  • 47. پیاده‌سازی الگوریتم‌های یادگیری ماشین با Stan
  • 48. مدل‌سازی با استفاده از شبکه‌های عصبی بیزی
  • 49. مقدمه‌ای بر پردازش زبان طبیعی بیزی
  • 50. پیاده‌سازی مدل‌های NLP با Stan
  • 51. مدل‌سازی با استفاده از توزیع‌های بتا-دوجمله‌ای
  • 52. کار با داده‌های طبقه‌بندی شده در Stan
  • 53. مقدمه‌ای بر مدل‌های بقا
  • 54. پیاده‌سازی مدل‌های بقا با Stan
  • 55. مدل‌سازی با استفاده از توزیع‌های گاما
  • 56. کار با داده‌های فاصله‌ای در Stan
  • 57. مقدمه‌ای بر مدل‌های رتبه‌بندی
  • 58. پیاده‌سازی مدل‌های رتبه‌بندی با Stan
  • 59. مدل‌سازی با استفاده از توزیع‌های بتا
  • 60. کار با داده‌های ترتیبی در Stan
  • 61. مقدمه‌ای بر مدل‌های انتخاب گسسته
  • 62. پیاده‌سازی مدل‌های انتخاب گسسته با Stan
  • 63. مدل‌سازی با استفاده از توزیع‌های برنولی
  • 64. کار با داده‌های دوگانه در Stan
  • 65. مقدمه‌ای بر مدل‌های سری زمانی غیرخطی
  • 66. پیاده‌سازی مدل‌های سری زمانی غیرخطی با Stan
  • 67. مدل‌سازی با استفاده از توزیع‌های نمایی
  • 68. کار با داده‌های زمان رویداد در Stan
  • 69. مقدمه‌ای بر مدل‌های بیزی سلسله‌مراتبی چندسطحی
  • 70. پیاده‌سازی مدل‌های بیزی سلسله‌مراتبی با Stan
  • 71. مدل‌سازی با استفاده از توزیع‌های لوژستیک
  • 72. کار با داده‌های پیوسته در Stan
  • 73. مقدمه‌ای بر مدل‌های بیزی فضایی-زمانی
  • 74. پیاده‌سازی مدل‌های بیزی فضایی-زمانی با Stan
  • 75. مدل‌سازی با استفاده از توزیع‌های کای-دو
  • 76. کار با داده‌های آماری در Stan
  • 77. مقدمه‌ای بر مدل‌های بیزی برای داده‌های ترکیبی
  • 78. پیاده‌سازی مدل‌های بیزی برای داده‌های ترکیبی با Stan
  • 79. مدل‌سازی با استفاده از توزیع‌های t استیودنت
  • 80. کار با داده‌های آماری پویا در Stan
  • 81. مقدمه‌ای بر مدل‌های بیزی برای داده‌های غیرنرمال تعمیم‌یافته
  • 82. پیاده‌سازی مدل‌های بیزی برای داده‌های غیرنرمال تعمیم‌یافته با Stan
  • 83. مدل‌سازی با استفاده از توزیع‌های نرمال معکوس گاما
  • 84. کار با داده‌های آماری پیچیده در Stan
  • 85. مقدمه‌ای بر مدل‌های بیزی برای داده‌های پرت و نامعلوم
  • 86. پیاده‌سازی مدل‌های بیزی برای داده‌های پرت و نامعلوم با Stan
  • 87. مدل‌سازی با استفاده از توزیع‌های توزیع‌های بیزی
  • 88. کار با داده‌های آماری در حوزه‌های مختلف
  • 89. مقدمه‌ای بر بهینه‌سازی مدل‌های بیزی
  • 90. پیاده‌سازی بهینه‌سازی مدل‌های بیزی با Stan
  • 91. مدل‌سازی با استفاده از توزیع‌های پیشین غیراطلاعاتی
  • 92. کار با داده‌های آماری در پروژه‌های تحقیقاتی
  • 93. مقدمه‌ای بر مدل‌های بیزی برای داده‌های ساختاریافته
  • 94. پیاده‌سازی مدل‌های بیزی برای داده‌های ساختاریافته با Stan
  • 95. مدل‌سازی با استفاده از توزیع‌های پیشین اطلاعاتی
  • 96. کار با داده‌های آماری در کاربردهای عملی
  • 97. مقدمه‌ای بر مدل‌های بیزی برای داده‌های غیرساختاریافته
  • 98. پیاده‌سازی مدل‌های بیزی برای داده‌های غیرساختاریافته با Stan
  • 99. مدل‌سازی با استفاده از توزیع‌های پیشین ترکیبی
  • 100. کار با داده‌های آماری در تحلیل‌های آماری پیشرفته
تگ‌ها: MCMC Stan آمار بیزی بهینه‌سازی پارامتر تنظیمات Stan مدل‌سازی بیزی مسائل پیچیده آماری نرم‌افزار آماری نمونه‌گیری بیزی

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.