کتاب کاربرد الگوریتم‌های استنتاج علی بیزی در داده‌های پیچیده 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 الگوریتم‌های استنتاج علی بیزی در داده‌های پیچیده

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

موضوع میانی: Bayesian Causal Inference Algorithms

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر استنتاج علی و آمار بیزی
  • 2. مفاهیم پایه احتمال و توزیع‌های بیزی
  • 3. مدل‌های گرافیکی و استنتاج علی
  • 4. مقدمه‌ای بر روش‌های نمونه‌گیری مونت‌کارلو مارکوف (MCMC)
  • 5. الگوریتم Metropolis-Hastings در استنتاج علی
  • 6. الگوریتم Gibbs Sampling در استنتاج علی
  • 7. تشخیص همگرایی در MCMC
  • 8. انتخاب توزیع پیشنهادی بهینه در MCMC
  • 9. استنتاج علی با مدل‌های خطی بیزی
  • 10. استنتاج علی با مدل‌های غیرخطی بیزی
  • 11. مدل‌های اثر تصادفی و استنتاج علی
  • 12. مدل‌های تعمیم‌یافته معادلات ساختاری (GEM)
  • 13. استنتاج علی در داده‌های گمشده (Missing Data)
  • 14. استنتاج علی با متغیرهای مداوم و گسسته
  • 15. مدل‌های بقا و استنتاج علی بیزی
  • 16. استفاده از Priorهای غیرinformative و weakly informative
  • 17. انتخاب Prior در استنتاج علی: ملاحظات نظری و عملی
  • 18. مدل‌های سلسله مراتبی بیزی برای استنتاج علی
  • 19. استنتاج علی در داده‌های پانلی
  • 20. استنتاج علی در داده‌های سری زمانی
  • 21. استنتاج علی با استفاده از مدل‌های Mixture
  • 22. روش‌های تقریب بیزی (Variational Inference)
  • 23. استنتاج علی و داده‌های با ابعاد بالا (High-Dimensional Data)
  • 24. انتخاب مدل در استنتاج علی بیزی
  • 25. ارزیابی و اعتبارسنجی مدل‌های استنتاج علی
  • 26. استفاده از زنجیره‌های مارکوف پنهان (HMM) در استنتاج علی
  • 27. استنتاج علی در شبکه‌های بیزی (Bayesian Networks)
  • 28. استفاده از مدل‌های مبتنی بر درخت (Tree-based Models) در استنتاج علی
  • 29. استنتاج علی در داده‌های فضایی (Spatial Data)
  • 30. استفاده از روش‌های Bootstrapping در استنتاج علی
  • 31. مدل‌سازی اثرات درهم‌تنیده (Confounding Effects)
  • 32. مدل‌سازی اثرات تعدیل‌گر (Moderating Effects)
  • 33. مدل‌سازی واسطه‌گری (Mediation Analysis)
  • 34. استنتاج علی و انتخاب ویژگی (Feature Selection)
  • 35. استفاده از مدل‌های causal discovery برای شناسایی روابط علی
  • 36. استنتاج علی در داده‌های مشاهده‌ای (Observational Data)
  • 37. استنتاج علی در داده‌های تجربی (Experimental Data)
  • 38. تفسیر نتایج استنتاج علی و گزارش‌دهی
  • 39. کاربردهای استنتاج علی در علوم اجتماعی
  • 40. کاربردهای استنتاج علی در علوم پزشکی
  • 41. کاربردهای استنتاج علی در بازاریابی
  • 42. کاربردهای استنتاج علی در علوم اقتصادی
  • 43. کاربردهای استنتاج علی در مهندسی
  • 44. پیاده‌سازی استنتاج علی در R
  • 45. پیاده‌سازی استنتاج علی در Python (PyMC3, Stan)
  • 46. مقایسه روش‌های مختلف استنتاج علی
  • 47. چالش‌ها و محدودیت‌های استنتاج علی بیزی
تگ‌ها: Bayesian Causal Inference Bayesian Modeling Bayesian Networks Bayesian Statistics Causal Discovery Causal Inference High-Dimensional Data MCMC Missing Data PyMC3 Python R Stan Structural Equation Modeling استنتاج علی بیزی

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.