کتاب کاربرد 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 کاربرد MCMC با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر آمار بیزی و MCMC
  • 2. مروری بر روش‌های نمونه‌گیری MCMC
  • 3. چرا Stan؟ مزایا و معایب
  • 4. نصب و راه‌اندازی Stan
  • 5. ساختار یک مدل Stan
  • 6. انواع داده در Stan
  • 7. توابع توزیعی احتمال در Stan
  • 8. تعریف مدل‌های ساده در Stan: رگرسیون خطی
  • 9. تعریف مدل‌های پیچیده‌تر در Stan: مدل‌های سلسله مراتبی
  • 10. تخمین پارامترها با Stan: الگوریتم NUTS
  • 11. تنظیم پارامترهای Stan: تنظیمات پیش‌فرض و پیشرفته
  • 12. ارزیابی همگرایی در Stan: R-hat و تعداد موثر
  • 13. تشخیص مشکلات همگرایی و راهکارها
  • 14. پیش‌بینی پسین (Posterior Predictive Checks)
  • 15. اعتبارسنجی مدل با استفاده از PPC
  • 16. مدل‌سازی داده‌های گسسته در Stan
  • 17. مدل‌سازی داده‌های سانسور شده در Stan
  • 18. مدل‌سازی مدل‌های مخلوط در Stan
  • 19. مدل‌سازی سری‌های زمانی در Stan
  • 20. استفاده از Stan با R: رابط Stan
  • 21. استفاده از Stan با Python: رابط PyStan
  • 22. بهینه‌سازی مدل Stan: بهبود سرعت و کارایی
  • 23. مدل‌های بیزی با Stan برای رگرسیون لجستیک
  • 24. مدل‌سازی مدل‌های خطی تعمیم‌یافته (GLM) با Stan
  • 25. مدل‌سازی داده‌های پادشاهی (Count Data) با Stan
  • 26. مدل‌سازی داده‌های طبقه‌بندی شده (Categorical Data) با Stan
  • 27. مدل‌سازی داده‌های بازه زمانی (Survival Data) با Stan
  • 28. مدل‌سازی داده‌های مکانی (Spatial Data) با Stan
  • 29. مدل‌سازی داده‌های پانل (Panel Data) با Stan
  • 30. کار با داده‌های از دست رفته (Missing Data) در Stan
  • 31. استفاده از Stan برای مدل‌سازی علت و معلولی (Causal Inference)
  • 32. بررسی اثرات متقابل (Interaction Effects) در مدل‌های Stan
  • 33. استفاده از priorهای غیر اطلاعاتی (Weakly Informative Priors)
  • 34. انتخاب priorهای مناسب در Stan
  • 35. مقایسه مدل‌ها با استفاده از معیارهای اطلاعات (Information Criteria)
  • 36. بررسی حساسیت مدل به priorها
  • 37. مدل‌سازی با متغیرهای تصادفی در Stan
  • 38. استفاده از Stan برای مسائل طبقه‌بندی
  • 39. استفاده از Stan برای مسائل خوشه‌بندی
  • 40. روش‌های کاهش ابعاد (Dimensionality Reduction) با Stan
  • 41. مدل‌سازی مدل‌های چند متغیره در Stan
  • 42. مدل‌سازی مدل‌های پویا (Dynamic Models) با Stan
  • 43. استفاده از Stan برای تحلیل سری‌های زمانی مالی
  • 44. کاربرد Stan در علوم زیستی و پزشکی
  • 45. کاربرد Stan در علوم اجتماعی و رفتاری
  • 46. کاربرد Stan در مهندسی و علوم کاربردی
  • 47. مباحث پیشرفته در Stan: مدل‌های غیرپارامتری
  • 48. مباحث پیشرفته در Stan: بهینه‌سازی توابع پیچیده
  • 49. مباحث پیشرفته در Stan: استفاده از توابع تعریف شده توسط کاربر
تگ‌ها: Bayesian Inference Bayesian Statistics Markov Chain Monte Carlo MCMC Monte Carlo PyStan R Stan Stan Stan Modeling Stan tutorial Statistical Inference آمار بیزی آموزش Stan مدل‌سازی آماری مدل‌سازی احتمالاتی

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.