کتاب مخاطرات و تنظیمات اساسی در 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 مخاطرات و تنظیمات اساسی در Stan

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 محیط توسعه
  • 3. ساختار یک مدل Stan
  • 4. انواع داده در Stan
  • 5. توابع و توزیع‌های احتمال در Stan
  • 6. تعریف مدل‌های ساده در Stan
  • 7. پارامترهای مدل و داده‌های ورودی
  • 8. مشتق‌گیری خودکار در Stan
  • 9. مفهوم نمونه‌گیری MCMC
  • 10. الگوریتم‌های نمونه‌گیری در Stan
  • 11. تنظیمات پیش‌فرض Stan
  • 12. تشخیص همگرایی MCMC
  • 13. شاخص R-hat
  • 14. شاخص Effective Sample Size (ESS)
  • 15. رسم نمودارهای Traceplot
  • 16. رسم نمودارهای Autocorrelation
  • 17. تفسیر خروجی Stan
  • 18. مدل‌های خطی تعمیم‌یافته (GLM) در Stan
  • 19. مدل‌های سلسله مراتبی (Hierarchical Models) در Stan
  • 20. مدل‌سازی داده‌های گسسته در Stan
  • 21. مدل‌سازی داده‌های شمارشی در Stan
  • 22. مدل‌سازی داده‌های سانسور شده در Stan
  • 23. تکنیک‌های بهینه‌سازی در Stan
  • 24. استفاده از Priorهای اطلاعاتی
  • 25. انتخاب Prior مناسب
  • 26. تأثیر Prior بر نتایج
  • 27. محدود کردن پارامترها در Stan
  • 28. استفاده از توزیع‌های truncated
  • 29. مقایسه مدل‌ها با استفاده از WAIC و LOO
  • 30. اعتبارسنجی مدل در Stan
  • 31. استفاده از Stan با R
  • 32. استفاده از Stan با Python
  • 33. عیب‌یابی خطاهای رایج Stan
  • 34. بهینه‌سازی عملکرد مدل Stan
  • 35. مدل‌های پیچیده در Stan
  • 36. مقدمه‌ای بر Stan Math
  • 37. استفاده از توابع تعریف شده توسط کاربر در Stan
  • 38. نوشتن مدل‌های Stan برای داده‌های بزرگ
  • 39. مفاهیم پیشرفته MCMC در Stan
  • 40. تکنیک‌های Hamiltonian Monte Carlo (HMC)
  • 41. تکنیک‌های No-U-Turn Sampler (NUTS)
  • 42. تنظیم پارامترهای HMC و NUTS
  • 43. استفاده از Stan در کاربردهای عملی
تگ‌ها: Bayesian inference Bayesian statistics MCMC Stan Stan examples Stan modeling Stan Python Stan R Stan tutorial آمار بیزی تشخیص همگرایی روش‌های نمونه‌گیری مدل‌سازی بیزی مونت کارلو مارکوف همگرایی MCMC

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.