کتاب ملاحظات مهم در اجرای MCMC با Stan 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 ملاحظات مهم در اجرای MCMC با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر روش‌های نمونه‌برداری مونت‌کارلو
  • 2. آشنایی با الگوریتم زنجیره مارکوف مونت‌کارلو (MCMC)
  • 3. مفاهیم پایه در آمار بیزی
  • 4. توزیع‌های پیشین، پسین و درست‌نمایی
  • 5. انتخاب توزیع پیشین مناسب
  • 6. مقدمه‌ای بر زبان برنامه‌نویسی Stan
  • 7. نصب و راه‌اندازی Stan
  • 8. ساختار یک مدل Stan
  • 9. انواع داده‌ها در Stan
  • 10. توابع و عملگرهای Stan
  • 11. مدل‌های خطی ساده در Stan
  • 12. رگرسیون خطی با Stan
  • 13. مدل‌های تعمیم‌یافته در Stan
  • 14. رگرسیون لجستیک با Stan
  • 15. مدل‌های سلسله‌مراتبی در Stan
  • 16. تفسیر خروجی‌های Stan
  • 17. تشخیص همگرایی MCMC
  • 18. آزمون‌های همگرایی (R-hat, effective sample size)
  • 19. بهبود عملکرد MCMC
  • 20. تنظیم پارامترهای نمونه‌برداری Stan
  • 21. استفاده از الگوریتم‌های نمونه‌برداری مختلف (NUTS, HMC)
  • 22. مدل‌سازی داده‌های گسسته در Stan
  • 23. توزیع‌های احتمال گسسته در Stan
  • 24. مدل‌سازی داده‌های شمارشی با Stan
  • 25. مدل‌سازی داده‌های طبقه‌بندی‌شده با Stan
  • 26. مدل‌سازی داده‌های زمانی در Stan
  • 27. سری‌های زمانی و Stan
  • 28. مدل‌های AR و MA در Stan
  • 29. مدل‌سازی داده‌های از دست رفته در Stan
  • 30. روش‌های جایگزینی داده‌های از دست رفته
  • 31. مدل‌های مخلوط در Stan
  • 32. مدل‌های مخلوط گاوسی با Stan
  • 33. مدل‌سازی عدم قطعیت در Stan
  • 34. توزیع‌های احتمال غیر استاندارد در Stan
  • 35. مدل‌سازی روابط غیرخطی با Stan
  • 36. توابع فعال‌سازی در Stan
  • 37. بهینه‌سازی مدل‌های Stan
  • 38. استفاده از گرادیان‌ها در Stan
  • 39. بررسی حساسیت مدل در Stan
  • 40. تأثیر توزیع پیشین بر نتایج
  • 41. اعتبارسنجی مدل Stan
  • 42. مقایسه مدل‌های مختلف در Stan
  • 43. استفاده از معیار اطلاعات بیزی (BIC)
  • 44. کاربردهای Stan در علوم مختلف
  • 45. Stan در زیست‌شناسی
  • 46. Stan در اقتصادسنجی
  • 47. Stan در علوم اجتماعی
  • 48. Stan در مهندسی
  • 49. اشتباهات رایج در مدل‌سازی با Stan و راه‌حل‌ها
  • 50. عیب‌یابی مدل‌های Stan
  • 51. مستندسازی مدل‌های Stan
  • 52. بهترین روش‌ها برای نوشتن کدهای Stan
  • 53. منابع آموزشی Stan
  • 54. جامعه کاربری Stan
  • 55. ابزارهای جانبی برای Stan (RStan, PyStan)
  • 56. ادغام Stan با زبان‌های برنامه‌نویسی دیگر
  • 57. مدل‌سازی بیزی پیشرفته در Stan
  • 58. تکنیک‌های تقریب بیزی در Stan
  • 59. روش‌های نمونه‌برداری موازی در Stan
  • 60. استفاده از Stan در محاسبات با کارایی بالا
  • 61. مدل‌سازی چندمتغیری با Stan
  • 62. مدل‌های گرافیکی با Stan
  • 63. آشنایی با توابع توزیع احتمال پیچیده در Stan
  • 64. مدل‌سازی با داده‌های نامتوازن در Stan
  • 65. روش‌های مقابله با مشکلات محاسباتی در Stan
  • 66. استفاده از Stan برای تحلیل داده‌های بزرگ
  • 67. مدل‌سازی داده‌های مکانی با Stan
  • 68. مدل‌سازی داده‌های تصویربرداری با Stan
  • 69. مفاهیم پیشرفته در آمار بیزی و Stan
  • 70. آموزش‌های عملی مدل‌سازی با Stan
  • 71. بررسی موردی: یک پروژه نمونه با Stan
تگ‌ها: MCMC Stan Stan فارسی آمار آمار بیزی احتمالات تحلیل داده روش مونت‌کارلو مدل‌سازی آماری یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.