کتاب انتخاب ابزار MCMC: راهنمای تطبیقی Stan و JAGS 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 انتخاب ابزار MCMC: راهنمای تطبیقی Stan و JAGS

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

موضوع میانی: مقایسه با Stan و JAGS

📋 سرفصل‌های دوره

  • 1. انتخاب روش‌های نمونه‌برداری مونت کارلو مارکوف زنجیره‌ای (MCMC)
  • 2. مقدمه‌ای بر روش‌های MCMC و کاربردهای آن
  • 3. مقایسه‌ی Stan و JAGS: یک بررسی اجمالی
  • 4. مدل‌های آماری بیزی: اصول و مفاهیم
  • 5. مقدمه‌ای بر زبان مدل‌سازی Stan
  • 6. نحو و ساختار زبان Stan
  • 7. تعریف توابع و متغیرها در Stan
  • 8. مدل‌سازی داده‌های پیوسته در Stan
  • 9. مدل‌سازی داده‌های گسسته در Stan
  • 10. تعریف توزیع‌های احتمال در Stan
  • 11. استفاده از توزیع‌های پیشین در Stan
  • 12. روش‌های نمونه‌برداری در Stan: NUTS و HMC
  • 13. تنظیم پارامترهای نمونه‌برداری در Stan
  • 14. ارزیابی همگرایی زنجیره‌های MCMC در Stan
  • 15. تشخیص مشکلات همگرایی و راه‌حل‌ها
  • 16. مدل‌سازی سلسله مراتبی در Stan
  • 17. مدل‌های خطی تعمیم‌یافته (GLM) در Stan
  • 18. مدل‌سازی رگرسیون لجستیک در Stan
  • 19. مدل‌سازی رگرسیون پواسون در Stan
  • 20. مدل‌سازی سری‌های زمانی در Stan
  • 21. مقدمه‌ای بر زبان مدل‌سازی JAGS
  • 22. نحو و ساختار زبان JAGS
  • 23. تعریف توزیع‌های احتمال در JAGS
  • 24. استفاده از توزیع‌های پیشین در JAGS
  • 25. روش‌های نمونه‌برداری در JAGS: Gibbs Sampling
  • 26. تنظیم پارامترهای نمونه‌برداری در JAGS
  • 27. ارزیابی همگرایی زنجیره‌های MCMC در JAGS
  • 28. تشخیص مشکلات همگرایی و راه‌حل‌ها
  • 29. مدل‌سازی سلسله مراتبی در JAGS
  • 30. مدل‌های خطی تعمیم‌یافته (GLM) در JAGS
  • 31. مدل‌سازی رگرسیون لجستیک در JAGS
  • 32. مدل‌سازی رگرسیون پواسون در JAGS
  • 33. مقایسه‌ی سرعت و کارایی Stan و JAGS
  • 34. مقایسه‌ی قابلیت‌های مدل‌سازی Stan و JAGS
  • 35. استفاده از Stan با R
  • 36. استفاده از JAGS با R
  • 37. استفاده از Stan با Python
  • 38. استفاده از JAGS با Python
  • 39. نصب و پیکربندی Stan
  • 40. نصب و پیکربندی JAGS
  • 41. عیب‌یابی مشکلات رایج در Stan
  • 42. عیب‌یابی مشکلات رایج در JAGS
  • 43. بهینه‌سازی کد Stan برای سرعت
  • 44. بهینه‌سازی کد JAGS برای سرعت
  • 45. مدل‌سازی Bayesian در مسائل بازاریابی
  • 46. مدل‌سازی Bayesian در علوم زیستی
  • 47. مدل‌سازی Bayesian در علوم اجتماعی
  • 48. مدل‌سازی Bayesian در اقتصاد
  • 49. استفاده از MCMC برای تخمین پارامترهای مدل
  • 50. استفاده از MCMC برای پیش‌بینی
  • 51. اعتبارسنجی مدل‌های Bayesian
  • 52. انتخاب مدل در چارچوب Bayesian
  • 53. مدل‌سازی داده‌های از دست رفته با MCMC
  • 54. مدل‌سازی داده‌های سانسور شده با MCMC
  • 55. مقدمه‌ای بر روش‌های تقریب Bayesian
  • 56. روش‌های تقریب Monte Carlo متوالی (SMC)
  • 57. روش‌های تقریب Variational Bayesian
  • 58. کاربردهای پیشرفته‌ی Stan
  • 59. کاربردهای پیشرفته‌ی JAGS
  • 60. بررسی موردی: مدل‌سازی یک مسئله‌ی واقعی با Stan
  • 61. بررسی موردی: مدل‌سازی یک مسئله‌ی واقعی با JAGS
  • 62. تفسیر نتایج MCMC
  • 63. گزارش‌دهی نتایج MCMC
  • 64. آموزش و مستندسازی Stan
  • 65. آموزش و مستندسازی JAGS
  • 66. منابع و ابزارهای مفید برای MCMC
تگ‌ها: Bayesian modeling JAGS MCMC Stan آمار استنباطی آمار بیزی تحلیل آماری روش‌های مونت‌کارلو مدل‌سازی آماری نرم‌افزار آماری

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.