کتاب مخاطرات و تنظیمات اساسی 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 مخاطرات و تنظیمات اساسی 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. نصب و راه‌اندازی Stan و محیط توسعه
  • 3. ساختار یک مدل Stan
  • 4. انواع داده‌ها در Stan
  • 5. متغیرهای تصادفی و توزیع‌های احتمال
  • 6. تابع لگاریتمی احتمال (Log Probability)
  • 7. نمونه‌برداری زنجیره مارکوف مونت کارلو (MCMC)
  • 8. الگوریتم‌های نمونه‌برداری MCMC در Stan
  • 9. تشخیص همگرایی MCMC
  • 10. ارزیابی مدل Stan
  • 11. پیش‌بینی مدل Stan
  • 12. مدل‌های رگرسیونی خطی در Stan
  • 13. مدل‌های رگرسیونی لجستیک در Stan
  • 14. مدل‌های خطی تعمیم‌یافته (GLM) در Stan
  • 15. مدل‌های سلسله‌مراتبی (Hierarchical Models) در Stan
  • 16. مدل‌های ترکیبی (Mixed Models) در Stan
  • 17. مدل‌سازی عدم قطعیت در Stan
  • 18. مدل‌سازی داده‌های از دست رفته (Missing Data) در Stan
  • 19. بهینه‌سازی مدل Stan با استفاده از گرادیان
  • 20. استفاده از Stan با R
  • 21. استفاده از Stan با Python
  • 22. استفاده از Stan با Julia
  • 23. مدل‌سازی سری‌های زمانی در Stan
  • 24. مدل‌سازی بقا در Stan
  • 25. مدل‌سازی چندمتغیره در Stan
  • 26. مدل‌سازی بیزی غیرپارامتری در Stan
  • 27. استفاده از توابع تعریف‌شده توسط کاربر (User-Defined Functions) در Stan
  • 28. مدل‌سازی با محدودیت‌ها (Constraints) در Stan
  • 29. مدل‌سازی با تبدیل‌ها (Transformations) در Stan
  • 30. مدل‌سازی با داده‌های سانسورشده (Censored Data) در Stan
  • 31. مدل‌سازی با داده‌های ترتیبی (Ordinal Data) در Stan
  • 32. مدل‌سازی با داده‌های شمارشی (Count Data) در Stan
  • 33. مدل‌سازی با داده‌های طبقه‌بندی‌شده (Categorical Data) در Stan
  • 34. مدل‌سازی با داده‌های مکانی (Spatial Data) در Stan
  • 35. مدل‌سازی با داده‌های زمانی-مکانی (Spatio-Temporal Data) در Stan
  • 36. بررسی حساسیت مدل Stan
  • 37. مقایسه مدل‌ها در Stan
  • 38. اعتبارسنجی مدل Stan
  • 39. بهینه‌سازی عملکرد مدل Stan
  • 40. خطایابی و رفع اشکال در مدل‌های Stan
  • 41. استفاده از کتابخانه‌های کمکی Stan
  • 42. توسعه مدل‌های Stan پیچیده
  • 43. کاربردهای Stan در علوم زیستی
  • 44. کاربردهای Stan در علوم اجتماعی
  • 45. کاربردهای Stan در مهندسی
  • 46. کاربردهای Stan در اقتصاد
  • 47. کاربردهای Stan در علوم محیطی
  • 48. تفسیر نتایج مدل Stan
  • 49. نوشتن گزارش مدل Stan
  • 50. به‌روزرسانی مدل Stan
  • 51. مدل‌سازی بیزی در مقابل مدل‌سازی فراوانی‌گرا
  • 52. مفاهیم پیشین، درست‌نمایی و پسین در Stan
  • 53. انتخاب توزیع پیشین مناسب در Stan
  • 54. تاثیر توزیع پیشین بر نتایج مدل
  • 55. بررسی مدل و اعتبارسنجی با استفاده از داده‌های جدید
  • 56. مدل‌سازی بیزی تجربی (Empirical Bayes) در Stan
  • 57. مدل‌سازی بیزی با اطلاعات قبلی (Prior Information)
  • 58. مدل‌سازی بیزی در حضور داده‌های کم
  • 59. مدل‌سازی بیزی و تصمیم‌گیری
  • 60. مدل‌سازی بیزی و پیش‌بینی
  • 61. استفاده از Stan برای تحلیل داده‌های بزرگ
  • 62. بهره‌گیری از پردازش موازی در Stan
  • 63. بهینه‌سازی کد Stan برای افزایش سرعت
  • 64. مقایسه Stan با سایر ابزارهای مدل‌سازی بیزی
  • 65. آینده Stan و توسعه‌های آتی
  • 66. نکات پیشرفته در مدل‌سازی Stan
تگ‌ها: MCMC Stan آمار آمار بیزی احتمالات تحلیل داده داده‌کاوی روش مونت‌کارلو مدل آماری مدل‌سازی آماری

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.