کتاب مخاطرات و تنظیمات اساسی در Stan با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB
249,950 تومان
🎓 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.