کتاب مقدمه‌ای بر پارادایم بیزی 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 مقدمه‌ای بر پارادایم بیزی

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

موضوع میانی: مفاهیم مرتبط با آمار بیزی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر استدلال احتمالی
  • 2. احتمال شرطی و قانون بیز
  • 3. متغیرهای تصادفی و توزیع‌های احتمال
  • 4. توزیع‌های گسسته احتمال
  • 5. توزیع‌های پیوسته احتمال
  • 6. میانگین، واریانس و انحراف معیار
  • 7. توزیع نرمال و کاربردهای آن
  • 8. قضیه حد مرکزی
  • 9. نمونه‌برداری و توزیع نمونه‌گیری
  • 10. تخمین نقطه‌ای و فاصله‌ای
  • 11. آزمون فرض آماری
  • 12. آزمون‌های t و z
  • 13. تحلیل واریانس (ANOVA)
  • 14. رگرسیون خطی ساده
  • 15. رگرسیون خطی چندگانه
  • 16. تشخیص و رفع هم‌خطی
  • 17. مدل‌های تعمیم‌یافته خطی (GLM)
  • 18. مدل‌های خطی تعمیم‌یافته با توزیع‌های مختلف
  • 19. مقدمه‌ای بر مدل‌سازی بیزی
  • 20. توزیع پیشین، تابع درست‌نمایی و توزیع پسین
  • 21. استنتاج بیزی: محاسبه توزیع پسین
  • 22. روش‌های عددی برای استنتاج بیزی
  • 23. روش زنجیره مارکوف مونت‌کارلو (MCMC)
  • 24. مقدمه‌ای بر الگوریتم‌های MCMC
  • 25. الگوریتم Metropolis-Hastings
  • 26. الگوریتم Gibbs Sampling
  • 27. انتخاب توزیع پیشین مناسب
  • 28. مدل‌سازی بیزی در رگرسیون
  • 29. مدل‌سازی بیزی در تحلیل واریانس
  • 30. مدل‌های سلسله‌مراتبی بیزی
  • 31. بررسی مدل و ارزیابی تناسب مدل
  • 32. مقایسه مدل‌ها با استفاده از معیارهای اطلاعاتی
  • 33. کاربردهای بیزی در پیش‌بینی
  • 34. کاربردهای بیزی در طبقه‌بندی
  • 35. بیزی در تشخیص خطا
  • 36. بیزی در پردازش تصویر
  • 37. بیزی در یادگیری ماشین
  • 38. مقدمه‌ای بر شبکه‌های بیزی
  • 39. ساخت و یادگیری شبکه‌های بیزی
  • 40. استنتاج در شبکه‌های بیزی
  • 41. شبکه‌های بیزی پویا
  • 42. کاربردهای شبکه‌های بیزی
  • 43. بیزی و تصمیم‌گیری
  • 44. بیزی و نظریه بازی‌ها
  • 45. بیزی و اقتصادسنجی
  • 46. بیزی و علوم زیستی
  • 47. بیزی و مهندسی
  • 48. پیاده‌سازی مدل‌های بیزی در نرم‌افزار R
  • 49. پیاده‌سازی مدل‌های بیزی در پایتون
  • 50. آشنایی با بسته Stan برای مدل‌سازی بیزی
  • 51. آشنایی با بسته PyMC3 برای مدل‌سازی بیزی
  • 52. آشنایی با بسته JAGS برای مدل‌سازی بیزی
  • 53. مسائل و چالش‌های مدل‌سازی بیزی
  • 54. تفسیر نتایج بیزی
  • 55. ارائه نتایج بیزی به مخاطبان غیرمتخصص
  • 56. اخلاق در مدل‌سازی بیزی
  • 57. آینده مدل‌سازی بیزی
تگ‌ها: MCMC آمار آمار استنباطی آمار بیزی احتمالات پارادایم بیزی داده‌کاوی روش مونت‌کارلو مدل‌سازی بیزی یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.