کتاب راهنمای جامع برای کار با Stan 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 راهنمای جامع برای کار با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. آشنایی با Stan و فلسفه مدل‌سازی احتمالی
  • 2. نصب و راه‌اندازی Stan و ابزارهای مرتبط (RStan, CmdStan)
  • 3. مبانی زبان مدل‌سازی Stan
  • 4. انواع داده‌ها و توابع در Stan
  • 5. تعریف مدل‌های آماری در Stan: توابع احتمال
  • 6. تعریف مدل‌های آماری در Stan: توزیع‌های پیشین
  • 7. تعریف مدل‌های آماری در Stan: پارامترها و تبدیل‌ها
  • 8. نوشتن مدل‌های خطی ساده در Stan
  • 9. نوشتن مدل‌های رگرسیونی در Stan
  • 10. نوشتن مدل‌های تعمیم‌یافته در Stan (GLM)
  • 11. نوشتن مدل‌های سلسله‌مراتبی (Hierarchical Models) در Stan
  • 12. نوشتن مدل‌های مخلوط (Mixture Models) در Stan
  • 13. تکنیک‌های بهینه‌سازی در Stan
  • 14. نمونه‌گیری MCMC با Stan: الگوریتم‌های پیش‌فرض
  • 15. تنظیم پارامترهای نمونه‌گیری MCMC در Stan
  • 16. ارزیابی همگرایی MCMC در Stan
  • 17. تشخیص مشکلات همگرایی و راهکارهای رفع آن‌ها
  • 18. استفاده از زنجیره‌های نمونه‌گیری چندگانه
  • 19. تکنیک‌های کاهش همبستگی در نمونه‌گیری MCMC
  • 20. مدل‌سازی داده‌های گمشده (Missing Data) در Stan
  • 21. مدل‌سازی با داده‌های سانسورشده (Censored Data) در Stan
  • 22. مدل‌سازی سری‌های زمانی در Stan
  • 23. مدل‌سازی مدل‌های بقا (Survival Models) در Stan
  • 24. استفاده از Stan برای مدل‌سازی Bayesian A/B Testing
  • 25. اعتبارسنجی مدل در Stan: بررسی تناسب مدل با داده‌ها
  • 26. مقایسه مدل‌ها با استفاده از معیارهای اطلاعاتی (WAIC, LOO)
  • 27. پیش‌بینی با استفاده از مدل‌های Stan
  • 28. مدل‌سازی و تحلیل داده‌های فضایی در Stan
  • 29. مفاهیم پیشرفته در Stan: توابع کنترل (Control Functions)
  • 30. مفاهیم پیشرفته در Stan: توابع تبدیل (Transformation Functions)
  • 31. مفاهیم پیشرفته در Stan: مدل‌سازی چندمتغیره (Multivariate Models)
  • 32. استفاده از Stan با رابط‌های کاربری گرافیکی (GUI)
  • 33. ادغام Stan با زبان‌های برنامه‌نویسی دیگر (Python, Julia)
  • 34. استفاده از Stan برای شبیه‌سازی داده‌ها
  • 35. عیب‌یابی و رفع خطاهای رایج در Stan
  • 36. بهینه‌سازی کد Stan برای افزایش سرعت
  • 37. کار با Stan در محیط‌های محاسباتی ابری
  • 38. مقدمه‌ای بر Stan و یادگیری عمیق (Deep Learning)
تگ‌ها: Bayesian Bayesian A/B testing CmdStan LOO MCMC RStan Stan Stan Modeling WAIC آمار بیزی داده‌های گمشده زنجیره مارکوف مدل‌سازی احتمالی مدل‌های سلسله‌مراتبی همگرایی MCMC

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.