کتاب کاربردهای تخصصی Stan در آمار بیزی 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 کاربردهای تخصصی Stan در آمار بیزی

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مبانی و معماری زبان برنامه‌نویسی Stan در مدل‌سازی آماری بیزی
  • 2. نصب و پیکربندی ابزارهای RStan و PyStan در محیط‌های تحلیل داده
  • 3. ساختار بلوک‌های اصلی در کدهای Stan (داده‌ها، پارامترها، مدل و توابع)
  • 4. اصول نمونه‌گیری هامیلتونی مونت‌کارلو (HMC) و الگوریتم نوآرای نوک‌استپ (NUTS) در Stan
  • 5. تنظیمات پیشرفته هایپرپامترهای نمونه‌گیری مانند عطف (Adaptation) و طول گام
  • 6. مدیریت و عیب‌یابی خطاهای واگرایی (Divergent Transitions) در زنجیره‌های مارکوف
  • 7. شناسایی و رفع خطاهای مربوط به انرژی حداکثر (E-BFMI) در الگوریتم HMC
  • 8. بررسی و رفع مشکلات اشباع درخت در نمونه‌گیر NUTS
  • 9. تحلیل تشدیدهای هندسی و مشکلات انحنای فضای پارامتری در Stan
  • 10. استفاده از پارامترهای غیرمتمرکز (Non-centered Parameterization) برای رفع هم‌خطی
  • 11. مدلسازی‌های چندسطحی و سلسله‌مراتب پیچیده با استفاده از ساختارهای ماتریسی در Stan
  • 12. مدل‌های رگرسیون خطی وgeneralized linear models (GLMs) تخصصی در Stan
  • 13. تحلیل داده‌های سری زمانی و مدل‌های پویای بیزی (Dynamic Linear Models)
  • 14. مدل‌سازی پنهان مارکوف (HMM) و ترکیبات توزیع‌های احتمالی (Mixture Models)
  • 15. تخمین پارامترهای توزیع‌های سفارشی با استفاده از بلوک functions در Stan
  • 16. بهینه‌سازی کدهای Stan برای افزایش سرعت نمونه‌گیری و کاهش بار محاسباتی
  • 17. استفاده از حالت بهینه‌سازی (Optimization) و الگوریتم‌های L-BFGS در Stan
  • 18. محاسبه و تحلیل معیارهای تشخیصی همگرایی نظیر R-hat و Effective Sample Size (ESS)
  • 19. ارزیابی مدل‌های بیزی با استفاده از شاخص‌های LOO-CV و WAIC در پکیج loo
  • 20. تحلیل پس از نمونه‌گیری (Posterior Predictive Checks) برای اعتبارسنچی مدل
  • 21. مدیریت متغیرهای گسسته و تکنیک‌های حاشیه‌ای‌سازی (Marginalization) در Stan
  • 22. توسعه توابع لگاریتم چگالی احتمال سفارشی (Custom Log-Likelihood)
  • 23. مدل‌سازی فضایی و فضایی-زمانی (Spatial Statistics) با استفاده از توزیع‌های گوسی مارکوف
  • 24. تحلیل داده‌های بقا (Survival Analysis) و مدل‌سازی نرخ خطر در چارچوب Stan
  • 25. یکپارچه‌سازی و پیاده‌سازی مدل‌های Stan در خطوط لوله تولیدی و برنامه‌های کاربردی
تگ‌ها: Bayesian Statistics Data Science Divergent Transitions Hamiltonian Monte Carlo Hierarchical Models Model Diagnostics Posterior Predictive Check PyStan RStan Stan آمار بیزی الگوریتم NUTS تحلیل داده‌های پیشرفته مدل‌سازی آماری نمونه‌گیری MCMC

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.