کتاب کاربردهای عملی MCMC در 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 کاربردهای عملی MCMC در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر روش‌های مونت کارلو مارکوف چین
  • 2. مفاهیم کلیدی در MCMC
  • 3. فضای حالت و توزیع احتمال
  • 4. تخمین توزیع احتمال با استفاده از MCMC
  • 5. روش‌های نمونه‌برداری زنجیره‌ای مارکوف
  • 6. الگوریتم Metropolis-Hastings
  • 7. الگوریتم Gibbs Sampling
  • 8. تشخیص همگرایی زنجیره‌های MCMC
  • 9. معیارهای همگرایی: R-hat, Effective Sample Size
  • 10. انتخاب توزیع پیشین مناسب
  • 11. تأثیر توزیع پیشین بر نتایج MCMC
  • 12. مدل‌های آماری بیزی
  • 13. مقدمه‌ای بر زبان برنامه‌نویسی Stan
  • 14. نصب و راه‌اندازی Stan
  • 15. ساختار یک مدل Stan
  • 16. تعریف متغیرها و توزیع‌ها در Stan
  • 17. نوشتن توابع و محاسبات در Stan
  • 18. استفاده از حلقه‌ها و شرط‌ها در Stan
  • 19. تخمین پارامترهای مدل با Stan
  • 20. استفاده از الگوریتم‌های بهینه‌سازی در Stan
  • 21. بررسی نتایج و تشخیص خطاها در Stan
  • 22. مدل‌سازی خطی با Stan
  • 23. رگرسیون خطی ساده با Stan
  • 24. رگرسیون خطی چندگانه با Stan
  • 25. مدل‌سازی تعمیم‌یافته با Stan
  • 26. رگرسیون لجستیک با Stan
  • 27. مدل‌سازی سلسله مراتبی با Stan
  • 28. مدل‌های اثرات تصادفی با Stan
  • 29. مدل‌سازی تغییرات در طول زمان با Stan
  • 30. مدل‌های سری زمانی با Stan
  • 31. مدل‌سازی داده‌های گسسته با Stan
  • 32. مدل‌های پواسون و دوجمله‌ای با Stan
  • 33. مدل‌سازی داده‌های از دست رفته با Stan
  • 34. روش‌های جایگزینی داده‌های از دست رفته
  • 35. مدل‌سازی مخلوط‌های توزیع نرمال با Stan
  • 36. خوشه‌بندی با استفاده از مدل‌های مخلوط
  • 37. مدل‌سازی بقا با Stan
  • 38. تحلیل بقا با استفاده از Stan
  • 39. تخمین منحنی بقا
  • 40. مدل‌سازی داده‌های مکانی با Stan
  • 41. مدل‌های جغرافیایی با Stan
  • 42. مدل‌سازی داده‌های پانل با Stan
  • 43. تحلیل داده‌های تکراری با Stan
  • 44. بهینه‌سازی مدل‌های Stan
  • 45. تنظیم پارامترهای کنترل Stan
  • 46. استفاده از روش‌های موازی‌سازی در Stan
  • 47. تشخیص و رفع مشکلات در مدل‌های Stan
  • 48. خطاهای رایج در Stan و راه‌حل‌ها
  • 49. اعتبارسنجی مدل‌های Stan
  • 50. ارزیابی عملکرد مدل
  • 51. مقایسه مدل‌ها با استفاده از معیارهای اطلاعات
  • 52. نوشتن توابع سفارشی در Stan
  • 53. توسعه کتابخانه‌های Stan
  • 54. کاربرد MCMC در مسائل مالی
  • 55. مدل‌سازی ریسک با Stan
  • 56. ارزش‌گذاری دارایی‌ها با Stan
  • 57. کاربرد MCMC در علوم زیستی
  • 58. مدل‌سازی داده‌های ژنتیکی با Stan
  • 59. تحلیل داده‌های پزشکی با Stan
  • 60. کاربرد MCMC در علوم اجتماعی
  • 61. مدل‌سازی رفتار انسان با Stan
  • 62. تحلیل نظرسنجی‌ها با Stan
  • 63. استفاده از Stan در محیط R
  • 64. استفاده از Stan در محیط Python
  • 65. ادغام Stan با سایر ابزارهای آماری
  • 66. روش‌های پیشرفته MCMC در Stan
  • 67. Hamiltonian Monte Carlo (HMC)
  • 68. No-U-Turn Sampler (NUTS)
  • 69. تکنیک‌های کاهش همبستگی در MCMC
  • 70. آشنایی با بسته‌های مکمل Stan
  • 71. بهینه‌سازی کد Stan برای سرعت
  • 72. مستندسازی و اشتراک‌گذاری مدل‌های Stan
تگ‌ها: MCMC MCMC در ایران Stan Stan ایران آمار بیزی احتمالات تحلیل داده روش‌های مونت‌کارلو مدل‌سازی آماری یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.