کتاب تکنیک‌های اعتبارسنجی نتایج 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 تکنیک‌های اعتبارسنجی نتایج در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مدل‌سازی احتمالاتی بیزی
  • 2. مفاهیم پایه آمار بیزی
  • 3. معرفی زبان برنامه‌نویسی Stan
  • 4. نصب و پیکربندی Stan
  • 5. ساختار یک مدل Stan
  • 6. انواع داده‌ها در Stan
  • 7. توابع توزیعی احتمال در Stan
  • 8. تعریف مدل‌های سلسله مراتبی
  • 9. نمونه‌گیری زنجیره مارکوف مونت کارلو (MCMC)
  • 10. الگوریتم‌های MCMC در Stan
  • 11. ارزیابی همگرایی MCMC
  • 12. تشخیص مشکلات همگرایی
  • 13. محاسبه آماره‌های توصیفی از نمونه‌های MCMC
  • 14. اعتبارسنجی مدل با استفاده از پیش‌بینی
  • 15. مقایسه مدل‌ها با استفاده از اطلاعات بیزی
  • 16. محاسبه احتمال پسین (Posterior Probability)
  • 17. تخمین فاصله اطمینان (Credible Interval)
  • 18. آزمون فرضیه در چارچوب بیزی
  • 19. اعتبارسنجی متقابل (Cross-Validation)
  • 20. بررسی حساسیت مدل
  • 21. تأثیر داده‌های پرت بر نتایج
  • 22. مدل‌سازی داده‌های گسسته
  • 23. مدل‌سازی داده‌های پیوسته
  • 24. مدل‌سازی داده‌های شمارشی
  • 25. مدل‌سازی داده‌های سانسور شده
  • 26. مدل‌سازی داده‌های از دست رفته
  • 27. استفاده از توابع Prior در Stan
  • 28. انتخاب Prior مناسب
  • 29. تأثیر Prior بر نتایج
  • 30. مدل‌سازی اثرات تصادفی
  • 31. مدل‌سازی اثرات ثابت
  • 32. مدل‌سازی روابط غیرخطی
  • 33. بهینه‌سازی مدل‌های Stan
  • 34. استفاده از توابع Gradient در Stan
  • 35. تشخیص و رفع خطاهای رایج در Stan
  • 36. نوشتن توابع سفارشی در Stan
  • 37. ادغام Stan با زبان R
  • 38. ادغام Stan با زبان Python
  • 39. استفاده از Stan در محیط‌های محاسباتی ابری
  • 40. تکنیک‌های موازی‌سازی در Stan
  • 41. مدل‌سازی داده‌های مکانی
  • 42. مدل‌سازی سری‌های زمانی
  • 43. مدل‌سازی بقا
  • 44. مدل‌سازی Bayesian A/B Testing
  • 45. اعتبارسنجی مدل‌های پیچیده
  • 46. استفاده از Stan برای یادگیری ماشین
  • 47. مدل‌سازی شبکه‌های بیزی
  • 48. تفسیر نتایج مدل‌های Stan
  • 49. ارائه نتایج مدل به مخاطبان غیرمتخصص
  • 50. تحلیل حساسیت پارامترها
  • 51. مدل‌سازی چندمتغیره
  • 52. مدل‌سازی با داده‌های نامتوازن
  • 53. استفاده از Stan برای تحلیل داده‌های بزرگ
  • 54. بهینه‌سازی عملکرد مدل‌های Stan
  • 55. رفع مشکلات مربوط به حافظه در Stan
  • 56. استفاده از کتابخانه‌های Stan
  • 57. توسعه مدل‌های Stan پیشرفته
  • 58. مدل‌سازی فرآیندهای پویایی
  • 59. مدل‌سازی داده‌های پانل
  • 60. مدل‌سازی داده‌های طولی
  • 61. اعتبارسنجی مدل با استفاده از داده‌های شبیه‌سازی شده
  • 62. بررسی اعتبار داخلی مدل
  • 63. بررسی اعتبار خارجی مدل
  • 64. مدل‌سازی با استفاده از داده‌های نظرسنجی
  • 65. مدل‌سازی داده‌های جمع‌آوری شده از منابع مختلف
  • 66. مدل‌سازی داده‌های با ابعاد بالا
  • 67. استفاده از Stan برای تحلیل ریسک
  • 68. مدل‌سازی تصمیم‌گیری بیزی
  • 69. کاربرد Stan در علوم پزشکی
  • 70. کاربرد Stan در علوم اجتماعی
  • 71. کاربرد Stan در مهندسی
  • 72. کاربرد Stan در اقتصاد
  • 73. کاربرد Stan در محیط زیست
  • 74. نمونه‌برداری اهمیت (Importance Sampling)
  • 75. روش‌های تقریبی بیزی (Variational Inference)
  • 76. مدل‌سازی بیزی غیر پارامتری
تگ‌ها: MCMC Stan Stan ایران آمار استنباطی آمار بیزی اعتبارسنجی مدل تحلیل بیزی روش‌های مونت‌کارلو شبیه‌سازی آماری مدل‌سازی آماری

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.