کتاب تنظیم پارامترهای 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 تنظیم پارامترهای 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. مفاهیم کلیدی در زنجیره‌های مارکوف
  • 3. مقدمه‌ای بر زبان مدل‌سازی استن (Stan)
  • 4. نصب و پیکربندی استن
  • 5. ساختار یک مدل استن
  • 6. انواع داده‌ها در استن
  • 7. توابع و عملگرها در استن
  • 8. تعریف مدل‌های آماری در استن
  • 9. توزیع‌های احتمال در استن
  • 10. توزیع نرمال در استن
  • 11. توزیع یکنواخت در استن
  • 12. توزیع گاما در استن
  • 13. توزیع بتا در استن
  • 14. توزیع پواسون در استن
  • 15. توزیع برنولی در استن
  • 16. توزیع‌های چندمتغیره در استن
  • 17. استفاده از بلوک‌ها در مدل‌های استن
  • 18. تعریف متغیرهای پنهان
  • 19. تعریف پارامترهای مدل
  • 20. تعریف داده‌های ورودی
  • 21. محاسبه لگاریتم احتمال (log probability)
  • 22. بهینه‌سازی مدل در استن
  • 23. نمونه‌برداری MCMC با استفاده از الگوریتم NUTS
  • 24. تنظیم پارامترهای نمونه‌برداری (آداپتاسیون)
  • 25. تشخیص همگرایی زنجیره‌های MCMC
  • 26. بررسی گرافیکی نتایج MCMC
  • 27. محاسبه آماره‌های خلاصه (Summary Statistics)
  • 28. تفسیر نتایج MCMC
  • 29. اعتبارسنجی مدل
  • 30. ارزیابی حساسیت مدل
  • 31. مدل‌سازی رگرسیونی خطی با استن
  • 32. مدل‌سازی رگرسیونی لجستیک با استن
  • 33. مدل‌سازی تحلیل واریانس (ANOVA) با استن
  • 34. مدل‌سازی مدل‌های خطی تعمیم‌یافته (GLM) با استن
  • 35. مدل‌سازی مدل‌های سلسله‌مراتبی (Hierarchical Models) با استن
  • 36. مدل‌سازی مدل‌های مخلوط (Mixture Models) با استن
  • 37. مدل‌سازی مدل‌های تغییر حالت (State-Space Models) با استن
  • 38. مدل‌سازی مدل‌های بقا (Survival Models) با استن
  • 39. استفاده از استن برای تخمین پارامترهای توزیع‌های پیچیده
  • 40. استفاده از استن برای انجام شبیه‌سازی
  • 41. استفاده از استن برای تحلیل سری‌های زمانی
  • 42. مقایسه استن با سایر ابزارهای MCMC (JAGS، BUGS)
  • 43. مزایا و معایب استفاده از استن
  • 44. نکات و ترفندهایی برای مدل‌سازی کارآمد با استن
  • 45. عیب‌یابی خطاهای رایج در استن
  • 46. ادغام استن با زبان‌های برنامه‌نویسی دیگر (R، Python)
  • 47. کاربرد استن در علوم پزشکی
  • 48. کاربرد استن در علوم اجتماعی
  • 49. کاربرد استن در مهندسی
  • 50. کاربرد استن در اقتصاد
  • 51. مقدمه‌ای بر رابط کاربری و ابزارهای گرافیکی استن
  • 52. استفاده از استن در محیط ابری
  • 53. بهینه‌سازی عملکرد مدل‌های استن
  • 54. تکنیک‌های موازی‌سازی در استن
  • 55. بررسی 고급 مدل‌سازی در استن
  • 56. مدل‌سازی با داده‌های از دست رفته (Missing Data)
  • 57. مدل‌سازی با داده‌های پرت (Outliers)
  • 58. مدل‌سازی غیرپارامتری با استن
  • 59. تکنیک‌های کاهش ابعاد داده در استن
  • 60. مقدمه‌ای بر مدل‌سازی بیزی
  • 61. مفاهیم اساسی در آمار بیزی
  • 62. انتخاب توزیع پیشین (Prior Distribution)
  • 63. محاسبه توزیع پسین (Posterior Distribution)
  • 64. تفسیر بیزی پارامترها
  • 65. تأثیر توزیع پیشین بر نتایج
  • 66. مدل‌سازی بیزی و تصمیم‌گیری
  • 67. کاربرد مدل‌سازی بیزی در تحلیل ریسک
  • 68. مبانی ریاضی زنجیره‌های مارکوف
  • 69. تئوری پشت الگوریتم NUTS
  • 70. بررسی پیشرفته توابع توزیع در استن
تگ‌ها: MCMC Stan آمار استنباطی آمار بیزی پارامترهای MCMC تحلیل داده روش‌های عددی مدل‌سازی آماری نرم‌افزار Stan نمونه‌گیری مونت‌کارلو

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.