کتاب کاربردهای تخصصی Stan در آمار بیزی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره کاربردهای تخصصی Stan در آمار بیزی
موضوع کلی: روشهای نمونهگیری مونتکارلو مارکوف (MCMC) در آمار بیزی
موضوع میانی: مخاطرات و تنظیمات Stan
📋 سرفصلهای دوره
- 1. مقدمهای بر Stan و آمار بیزی
- 2. نصب و راهاندازی Stan و ابزارهای مرتبط
- 3. ساختار یک مدل Stan: داده، پارامترها، مدل
- 4. تعریف توابع likelihood در Stan
- 5. توابع prior در Stan: انتخاب و تفسیر
- 6. نمونهگیری با Stan: الگوریتم NUTS
- 7. ارزیابی convergence در Stan: R-hat, effective sample size
- 8. پیشبینی پسین (Posterior Predictive Checks)
- 9. مدلهای سلسله مراتبی در Stan
- 10. مدلهای خطی تعمیمیافته (GLM) در Stan
- 11. مدلهای رگرسیونی با Stan
- 12. مدلهای طبقهبندی با Stan
- 13. مدلهای بقا (Survival Analysis) با Stan
- 14. مدلهای mixed-effects در Stan
- 15. مدلهای مبتنی بر فرآیندهای گوسی (Gaussian Processes) در Stan
- 16. مدلسازی دادههای شمارشی با Stan
- 17. مدلسازی دادههای سانسور شده با Stan
- 18. مدلسازی دادههای از دست رفته (Missing Data) با Stan
- 19. بهینهسازی مدلهای پیچیده در Stan
- 20. استفاده از Stan برای مدلسازی Bayesian A/B testing
- 21. مدلسازی سریهای زمانی با Stan
- 22. مدلهای state-space در Stan
- 23. مدلسازی causal inference با Stan
- 24. مقایسه مدلها در Stan: WAIC و LOO
- 25. تشخیص و رفع مشکلات رایج در مدلهای Stan
- 26. نوشتن توابع سفارشی در Stan
- 27. استفاده از Stan در R و Python
- 28. ادغام Stan با رابطهای کاربری گرافیکی (GUI)
- 29. بهرهوری محاسباتی در Stan: parallelization و compilation
- 30. مدلسازی Bayesian Nonparametric با Stan
- 31. مدلسازی با دادههای بزرگ در Stan
- 32. استفاده از Stan برای تحلیل دادههای ژنتیکی
- 33. مدلسازی در علوم اجتماعی با Stan
- 34. کاربرد Stan در علوم مالی
تگها:
Bayesian analysis
Bayesian statistics
hierarchical modeling
inference
likelihood
MCMC
NUTS
posterior
prior
Python
R
Stan
Stan modeling
آمار بیزی
مدلسازی آماری
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.