کتاب کاربردهای تخصصی Stan در آمار 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 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.