کتاب مدیریت سوگیری در نمونه‌گیری MCMC 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 مدیریت سوگیری در نمونه‌گیری 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 نمونه‌گیری مونت کارلو مارکوف زنجیره‌ای (MCMC)
  • 2. مبانی احتمال و آمار برای MCMC
  • 3. مقدمه‌ای بر زبان برنامه‌نویسی احتمالی Stan
  • 4. نصب و راه‌اندازی Stan و محیط توسعه
  • 5. ساختار یک مدل Stan
  • 6. انواع توابع توزیع احتمال در Stan
  • 7. تعریف مدل‌های آماری در Stan
  • 8. ورودی و خروجی داده‌ها در Stan
  • 9. نمونه‌گیری از توزیع‌های پیشین
  • 10. بررسی همگرایی زنجیره‌های MCMC
  • 11. تشخیص مشکلات همگرایی
  • 12. روش‌های بهبود همگرایی
  • 13. مفهوم سوگیری در MCMC
  • 14. علل ایجاد سوگیری در نمونه‌گیری
  • 15. سوگیری ناشی از مدل‌سازی نادرست
  • 16. سوگیری ناشی از انتخاب توزیع پیشین نامناسب
  • 17. سوگیری ناشی از تنظیمات نادرست الگوریتم نمونه‌گیری
  • 18. روش‌های تشخیص سوگیری
  • 19. آزمون‌های تشخیصی برای ارزیابی سوگیری
  • 20. تحلیل حساسیت به توزیع پیشین
  • 21. استفاده از توزیع‌های پیشین غیرinformative
  • 22. تکنیک‌های کاهش سوگیری
  • 23. تکنیک‌های تنظیم زنجیره‌های MCMC
  • 24. بهینه‌سازی کد Stan برای کاهش سوگیری
  • 25. تأثیر اندازه نمونه بر سوگیری
  • 26. انتخاب تعداد مناسب تکرارها
  • 27. استفاده از الگوریتم‌های نمونه‌گیری پیشرفته
  • 28. الگوریتم NUTS (No-U-Turn Sampler)
  • 29. الگوریتم Hamiltonian Monte Carlo (HMC)
  • 30. مقایسه NUTS و HMC
  • 31. استفاده از Stan برای مدل‌های خطی
  • 32. مدل‌سازی رگرسیون خطی با Stan
  • 33. مدل‌سازی رگرسیون لجستیک با Stan
  • 34. استفاده از Stan برای مدل‌های تعمیم‌یافته
  • 35. مدل‌سازی مدل‌های تعمیم‌یافته با Stan
  • 36. استفاده از Stan برای مدل‌های سلسله مراتبی
  • 37. مدل‌سازی مدل‌های سلسله مراتبی با Stan
  • 38. استفاده از Stan برای مدل‌های پنهان مارکوف
  • 39. مدل‌سازی مدل‌های پنهان مارکوف با Stan
  • 40. استفاده از Stan برای مدل‌های مبتنی بر زمان
  • 41. مدل‌سازی مدل‌های مبتنی بر زمان با Stan
  • 42. استفاده از Stan برای مدل‌های بقا
  • 43. مدل‌سازی مدل‌های بقا با Stan
  • 44. اعتبارسنجی مدل‌های Stan
  • 45. بررسی تناسب مدل با داده‌ها
  • 46. ارزیابی عملکرد پیش‌بینی مدل
  • 47. مقایسه مدل‌های مختلف با استفاده از Stan
  • 48. استفاده از Stan برای تحلیل Bayesian
  • 49. مفاهیم اساسی تحلیل Bayesian
  • 50. تفسیر نتایج حاصل از Stan
  • 51. گزارش‌دهی نتایج تحلیل Bayesian
  • 52. استفاده از Stan در کاربردهای مختلف
  • 53. کاربرد Stan در علوم پزشکی
  • 54. کاربرد Stan در علوم اجتماعی
  • 55. کاربرد Stan در مهندسی
  • 56. کاربرد Stan در علوم زیستی
  • 57. مدل‌سازی داده‌های از دست رفته با Stan
  • 58. روش‌های برخورد با داده‌های از دست رفته
  • 59. استفاده از Stan برای داده‌های بزرگ
  • 60. تکنیک‌های مقیاس‌پذیری Stan
  • 61. استفاده از Stan با زبان‌های برنامه‌نویسی دیگر (R, Python)
  • 62. ادغام Stan با R
  • 63. ادغام Stan با Python
  • 64. خطایابی و رفع اشکال در مدل‌های Stan
  • 65. شناسایی و رفع خطاهای رایج
  • 66. بهینه‌سازی عملکرد مدل‌های Stan
  • 67. نکات و ترفندهای برنامه‌نویسی Stan
  • 68. منابع و ابزارهای تکمیلی Stan
  • 69. انجمن‌های آنلاین Stan
  • 70. کتابخانه‌های Stan
  • 71. به‌روزرسانی‌های Stan و نسخه‌های جدید
تگ‌ها: Bayesian modeling MCMC Stan آمار بیزی تحلیل داده روش‌های آماری زنجیره مارکوف سوگیری در آمار مدل‌سازی آماری نمونه‌گیری مونت‌کارلو

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.