کتاب استفاده از قدرت HMC و NUTS در زبان برنامه‌نویسی R و Stan با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استفاده از قدرت HMC و NUTS در زبان برنامه‌نویسی R و Stan

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

موضوع میانی: نمونه‌گیری از طریق HMC و NUTS در Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی سلسله مراتبی
• 2. مفاهیم کلیدی مدل‌های سلسله مراتبی
• 3. نظریه آماری پشت مدل‌های سلسله مراتبی
• 4. معرفی بسته‌های R برای مدل‌سازی سلسله مراتبی
• 5. بسته lme4 در R: کاربردها و مثال‌ها
• 6. بسته nlme در R: کاربردها و مثال‌ها
• 7. مدل‌های خطی تعمیم‌یافته مخلوط (GLMM)
• 8. مدل‌های تعمیم‌یافته غیرخطی مخلوط (NLGLMM)
• 9. ارزیابی برازش مدل‌های سلسله مراتبی
• 10. تفسیر خروجی مدل‌های lme4 و nlme
• 11. تشخیص و رفع مشکلات رایج در مدل‌سازی
• 12. مقدمه‌ای بر Stan: زبان برنامه‌نویسی احتمالاتی
• 13. نصب و پیکربندی Stan در R
• 14. نوشتن اولین مدل Stan
• 15. مفاهیم کلیدی در Stan: توابع احتمال، پارامترها، داده‌ها
• 16. نمونه‌برداری زنجیره مارکوف مونت کارلو (MCMC) در Stan
• 17. تشخیص همگرایی MCMC
• 18. ارزیابی حساسیت مدل‌های Stan
• 19. مقایسه مدل‌های مختلف در Stan
• 20. استفاده از Stan برای مدل‌های سلسله مراتبی ساده
• 21. مدل‌سازی اثرات تصادفی با Stan
• 22. مدل‌سازی اثرات ثابت و متغیر با Stan
• 23. مدل‌سازی داده‌های شمارشی با Stan
• 24. مدل‌سازی داده‌های دودویی با Stan
• 25. مدل‌سازی داده‌های زمان سری با Stan
• 26. پیش‌بینی و اعتبارسنجی مدل‌های Stan
• 27. ادغام Stan با R: استفاده از بسته rstan
• 28. بسته‌های R برای تجزیه و تحلیل خروجی Stan
• 29. مدل‌سازی داده‌های گمشده با Stan
• 30. مدل‌سازی داده‌های نامتوازن با Stan
• 31. استفاده از priors در Stan: انتخاب priors مناسب
• 32. مدل‌سازی سلسله مراتبی با داده‌های مکانی
• 33. مدل‌سازی سلسله مراتبی با داده‌های زمانی
• 34. مدل‌سازی سلسله مراتبی با داده‌های گروهی
• 35. استفاده از NUTS (No-U-Turn Sampler) در Stan
• 36. بهینه‌سازی مدل‌های Stan
• 37. مقایسه NUTS با روش‌های نمونه‌برداری دیگر
• 38. کاربردهای NUTS در مدل‌سازی پیچیده
• 39. مفاهیم پیشرفته در مدل‌سازی سلسله مراتبی
• 40. مدل‌های سلسله مراتبی تعمیم‌یافته
• 41. مدل‌های سلسله مراتبی بیزی
• 42. مدل‌سازی چندمتغیره با Stan
• 43. مدل‌سازی Bayesian Non-parametric با Stan
• 44. نرم‌افزارهای جایگزین برای Stan و R
• 45. مقایسه Stan با JAGS و OpenBUGS
• 46. کاربردهای عملی مدل‌سازی سلسله مراتبی در علوم زیستی
• 47. کاربردهای عملی مدل‌سازی سلسله مراتبی در علوم اجتماعی
• 48. کاربردهای عملی مدل‌سازی سلسله مراتبی در مهندسی
• 49. مقدمه‌ای بر مدل‌سازی Bayesian Network
• 50. استفاده از مدل‌های سلسله مراتبی برای پیش‌بینی
• 51. ملاحظات محاسباتی در مدل‌سازی سلسله مراتبی
• 52. مدیریت داده‌های بزرگ در مدل‌سازی سلسله مراتبی
• 53. انتخاب متغیرهای مناسب برای مدل‌سازی
• 54. تفسیر نتایج مدل‌سازی سلسله مراتبی برای مخاطبان غیرمتخصص
• 55. تکنیک‌های بصری‌سازی نتایج مدل‌سازی
• 56. مستندسازی و گزارش نتایج مدل‌سازی
• 57. اخلاق در مدل‌سازی آماری