کتاب راهنمای جامع برای کار با 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 راهنمای جامع برای کار با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر نرم‌افزار Stan
  • 2. نصب و راه‌اندازی Stan
  • 3. آشنایی با زبان Stan
  • 4. ساختار مدل در Stan
  • 5. انواع توزیع‌های احتمالی در Stan
  • 6. تعریف متغیرهای مشاهده‌شده
  • 7. تعریف پارامترهای مدل
  • 8. توابع کمکی در Stan
  • 9. روش‌های نمونه‌گیری در Stan (MCMC)
  • 10. الگوریتم هامیلتونی مونت کارلو (HMC)
  • 11. الگوریتم نمونه‌گیر گرافی متغیر (NUTS)
  • 12. ارزیابی همگرایی مدل
  • 13. شاخص‌های ارزیابی همگرایی (R-hat, ESS)
  • 14. تشخیص واگرایی مدل
  • 15. تشخیص خطاهای رایج در Stan
  • 16. اعتبارسنجی مدل با داده‌های شبیه‌سازی شده
  • 17. مقدمه‌ای بر مدل‌های سلسله‌مراتبی
  • 18. پیاده‌سازی مدل‌های سلسله‌مراتبی در Stan
  • 19. مدل‌های خطی تعمیم‌یافته (GLMs) در Stan
  • 20. مدل‌های خطی تعمیم‌یافته سلسله‌مراتبی
  • 21. مدل‌های سری زمانی در Stan
  • 22. مدل‌های فضای حالت در Stan
  • 23. مدل‌های رگرسیون لجستیک در Stan
  • 24. مدل‌های رگرسیون پواسون در Stan
  • 25. مدل‌های بقا در Stan
  • 26. مدل‌های انتخاب گسسته در Stan
  • 27. مدل‌های خوشه‌بندی در Stan
  • 28. مدل‌های عامل پنهان در Stan
  • 29. مدل‌های شبکه‌ای در Stan
  • 30. مدل‌های فضایی در Stan
  • 31. مدل‌های استنباط بیزی برای داده‌های حجیم
  • 32. استفاده از Stan با R
  • 33. استفاده از Stan با Python
  • 34. استفاده از Stan با Julia
  • 35. مدیریت داده‌ها برای Stan
  • 36. پیش‌پردازش داده‌ها
  • 37. نمایش گرافیکی نتایج Stan
  • 38. ترسیم نمودارهای توزیع پیشین و پسین
  • 39. ترسیم نمودارهای سری زمانی
  • 40. ترسیم نمودارهای پراکندگی
  • 41. ترسیم نمودارهای باقی‌مانده
  • 42. تفسیر نتایج مدل
  • 43. محاسبه احتمالات پیش‌بینی
  • 44. محاسبه فواصل اطمینان بیزی
  • 45. مقایسه مدل‌ها با معیارهای بیزی
  • 46. مقایسه مدل‌ها با آزمون‌های فرضیه
  • 47. روش‌های پیشرفته نمونه‌گیری
  • 48. نمونه‌گیری با اهمیت
  • 49. نمونه‌گیری از طریق زنجیره مارکوف
  • 50. روش‌های بهینه‌سازی در Stan
  • 51. بهینه‌سازی با گرادیان
  • 52. بهینه‌سازی بدون گرادیان
  • 53. کاربرد Stan در علوم اجتماعی
  • 54. کاربرد Stan در اقتصاد
  • 55. کاربرد Stan در پزشکی
  • 56. کاربرد Stan در علوم محیط زیست
  • 57. کاربرد Stan در مهندسی
  • 58. کاربرد Stan در زیست‌شناسی
  • 59. کاربرد Stan در علوم داده
  • 60. کاربرد Stan در یادگیری ماشین
  • 61. مدل‌سازی داده‌های ناقص
  • 62. مدل‌سازی داده‌های گمشده
  • 63. مدل‌سازی داده‌های با کیفیت پایین
  • 64. مدل‌سازی داده‌های پرت
  • 65. مدل‌سازی داده‌های غیرنرمال
  • 66. مدل‌سازی داده‌های وابسته
  • 67. مدل‌سازی داده‌های فضایی-زمانی
  • 68. طراحی آزمایش‌ها با استفاده از Stan
  • 69. بهینه‌سازی طراحی آزمایش
  • 70. تحلیل حساسیت پارامترها
  • 71. تحلیل عدم قطعیت
  • 72. ارتباطات در Stan
  • 73. استفاده از توابع سفارشی در Stan
  • 74. بهینه‌سازی کد Stan
  • 75. دیباگ کردن مدل‌های Stan
  • 76. مستندسازی مدل‌های Stan
  • 77. اشتراک‌گذاری مدل‌های Stan
  • 78. کار با کتابخانه‌های مرتبط با Stan
  • 79. مقدمه‌ای بر مدل‌های آماری
  • 80. مفاهیم کلیدی استنباط بیزی
  • 81. توزیع‌های پیشین و پسین
  • 82. قضیه بیز
  • 83. انتخاب مدل مناسب
  • 84. ارزیابی کیفیت مدل
  • 85. مقدمه‌ای بر زبان برنامه‌نویسی R
  • 86. مقدمه‌ای بر زبان برنامه‌نویسی Python
  • 87. ساختارهای داده در Stan
  • 88. عملگرهای ریاضی در Stan
  • 89. دستورات شرطی در Stan
  • 90. حلقه‌ها در Stan
  • 91. توابع در Stan
  • 92. ماژول‌ها و بسته‌ها در Stan
  • 93. مدیریت حافظه در Stan
  • 94. رفع اشکال در Stan
  • 95. بهینه‌سازی کارایی در Stan
  • 96. پروژه‌های نمونه با Stan
  • 97. کاربرد Stan در تحلیل داده‌های بزرگ
  • 98. تحلیل داده‌های پزشکی با Stan
  • 99. تحلیل داده‌های اقتصادی با Stan
  • 100. تحلیل داده‌های اجتماعی با Stan
تگ‌ها: MCMC stan آمار بیزی بهینه‌سازی مدل تحلیل بیزی محاسبات آماری مدل‌سازی آماری مدل‌های آماری نرم‌افزار آماری نمونه‌گیری مونت‌کارلو

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.