کتاب راهنمای کاربردی Stan 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 راهنمای کاربردی 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 مدل‌سازی احتمالاتی
  • 2. آشنایی با Stan: فلسفه، مزایا و محدودیت‌ها
  • 3. نصب و راه‌اندازی Stan و ابزارهای مرتبط
  • 4. ساختار یک مدل Stan: بلوک‌های اصلی
  • 5. انواع داده‌ها و توابع در Stan
  • 6. تعریف پارامترها و متغیرهای تصادفی در Stan
  • 7. توابع توزیع احتمال در Stan: نرمال، یکنواخت، گاما و غیره
  • 8. نوشتن مدل‌های ساده خطی در Stan
  • 9. نوشتن مدل‌های رگرسیونی تعمیم‌یافته (GLM) در Stan
  • 10. مدل‌های سلسله‌مراتبی (Hierarchical Models) در Stan
  • 11. بررسی و تحلیل خروجی Stan: نمونه‌گیری MCMC و زنجیره‌ها
  • 12. ارزیابی همگرایی زنجیره‌های MCMC: R-hat، Effective Sample Size
  • 13. پیش‌بینی پسین (Posterior Predictive Check) در Stan
  • 14. تشخیص مشکلات نمونه‌گیری MCMC در Stan
  • 15. تنظیم پارامترهای نمونه‌گیری Stan: الگوریتم‌های NUTS و HMC
  • 16. بهینه‌سازی مدل Stan: شناسایی و رفع گلوگاه‌ها
  • 17. کار با داده‌های گمشده (Missing Data) در Stan
  • 18. مدل‌سازی مدل‌های غیرخطی در Stan
  • 19. مدل‌سازی مدل‌های با تغییرات ناگهانی (Switching Models) در Stan
  • 20. استفاده از Stan با زبان‌های برنامه‌نویسی R و Python
  • 21. ادغام Stan با R: بسته‌های rstan و brms
  • 22. ادغام Stan با Python: بسته‌های PyStan و CmdStanPy
  • 23. مدل‌سازی Bayesian A/B Testing با Stan
  • 24. مدل‌سازی سری‌های زمانی با Stan
  • 25. مدل‌سازی بقا (Survival Analysis) با Stan
  • 26. نوشتن مدل‌های سفارشی در Stan: توابع و بلوک‌های تعریف‌شده توسط کاربر
  • 27. بهینه‌سازی مدل‌های پیچیده Stan
  • 28. استفاده از priorهای informative و non-informative
  • 29. محاسبه حاشیه‌ای (Marginal Likelihood) در Stan
  • 30. مقایسه مدل‌ها با استفاده از WAIC و LOO
  • 31. استفاده از Stan برای مدل‌سازی Bayesian Nonparametric
  • 32. مقدمه‌ای بر StanMath
  • 33. کار با محدودیت‌ها (Constraints) در Stan
  • 34. مدل‌سازی داده‌های censored در Stan
  • 35. مدل‌سازی داده‌های count در Stan
  • 36. مدل‌سازی داده‌های spatial در Stan
  • 37. روش‌های کاهش زمان محاسبات در Stan
  • 38. عیب‌یابی رایج‌ترین خطاها در Stan
تگ‌ها: Bayesian inference Bayesian Modeling Markov Chain Monte Carlo MCMC Monte Carlo PyStan Python R rstan Stan Stan tutorial Stan آموزش Stan راهنما آمار بیزی مدل‌سازی بیزی

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.