کتاب تنظیمات پیشرفته برای مدل‌سازی‌های پیچیده 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 تنظیمات پیشرفته برای مدل‌سازی‌های پیچیده در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مدل‌سازی پیچیده در Stan
  • 2. مرور تنظیمات پایه Stan
  • 3. استفاده از توابع تعریف‌شده توسط کاربر در Stan
  • 4. مدل‌سازی سلسله مراتبی (Hierarchical Modeling) در Stan
  • 5. مدل‌سازی اثرات تصادفی (Random Effects)
  • 6. مدل‌سازی مدل‌های غیرخطی در Stan
  • 7. استفاده از توابع توزیع احتمالاتی پیچیده
  • 8. مدل‌سازی داده‌های سانسور شده (Censored Data)
  • 9. مدل‌سازی داده‌های از دست رفته (Missing Data)
  • 10. مدل‌سازی مدل‌های تغییر رژیم (Regime-Switching Models)
  • 11. مدل‌سازی مدل‌های پویا (Dynamic Models)
  • 12. استفاده از توابع شرطی (Conditional Functions) در Stan
  • 13. بهینه‌سازی سرعت نمونه‌گیری با استفاده از توابع Gradient
  • 14. استفاده از الگوریتم‌های نمونه‌گیری پیشرفته در Stan (NUTS, HMC)
  • 15. تنظیم پارامترهای الگوریتم‌های نمونه‌گیری
  • 16. تشخیص همگرایی (Convergence Diagnostics) در مدل‌های پیچیده
  • 17. بررسی و تحلیل خروجی‌های Stan
  • 18. مدل‌سازی با داده‌های چندمتغیره (Multivariate Data)
  • 19. مدل‌سازی مدل‌های بیزی غیرپارامتری (Nonparametric Bayesian Models)
  • 20. استفاده از Stan برای مدل‌سازی فضایی (Spatial Modeling)
  • 21. مدل‌سازی سری‌های زمانی (Time Series Modeling) در Stan
  • 22. پیاده‌سازی مدل‌های بقا (Survival Analysis) در Stan
  • 23. مدل‌سازی داده‌های پانل (Panel Data Modeling)
  • 24. استفاده از Stan برای شبیه‌سازی (Simulation)
  • 25. مقایسه مدل‌ها با استفاده از Stan (Model Comparison)
  • 26. استفاده از Stan با زبان‌های دیگر (R, Python)
  • 27. عیب‌یابی خطاهای رایج در Stan
  • 28. بهینه‌سازی کد Stan برای کارایی بیشتر
  • 29. استفاده از Stan برای مدل‌سازی بیزی شبکه (Bayesian Network Modeling)
  • 30. مدل‌سازی داده‌های شمارشی (Count Data Modeling)
  • 31. مدل‌سازی داده‌های ترتیبی (Ordinal Data Modeling)
  • 32. مدل‌سازی مدل‌های انتخاب گسسته (Discrete Choice Models)
  • 33. بررسی حساسیت مدل (Sensitivity Analysis)
  • 34. استفاده از Stan برای تحلیل تصمیم (Decision Analysis)
تگ‌ها: Bayesian Modeling Bayesian Statistics Hierarchical Modeling MCMC Monte Carlo Python R Stan Stan Advanced Stan Programming Stan Tutorial Statistical Modeling آمار بیزی بیزین مدل‌سازی بیزی

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.