فلش‌کارت‌های آموزشی تحلیل داده بیزی کاربردی: راهنمای جامع با R, JAGS و Stan

تحلیل داده بیزی کاربردی: راهنمای جامع با R, JAGS و Stan تحلیل داده بیزی کاربردی: راهنمای جامع با R, JAGS و Stan دنیای داده‌ها هر روز پیچیده‌تر می‌شود و نیاز به ابزارهای قدرتمند برای تحلیل آن‌ها بیش از...

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 99,988 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 تحلیل داده بیزی کاربردی: راهنمای جامع با R, JAGS و Stan

موضوع کلی: علم داده و تحلیل پیشرفته

موضوع میانی: آمار بیزی و مدل‌سازی احتمالی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر تفکر بیزی: فراتر از فراوانی‌گرایی
  • 2. چرا آمار بیزی؟ مزایا و کاربردها در علم داده
  • 3. مبانی احتمال: از فضای نمونه تا توزیع‌های احتمالی
  • 4. احتمال شرطی و قضیه بیز: سنگ بنای استنتاج
  • 5. تفسیر بیزی از احتمال: باور و قطعیت
  • 6. اجزای یک مدل بیزی: پیشین، درستنمایی و پسین
  • 7. نصب و راه‌اندازی R و RStudio برای تحلیل بیزی
  • 8. آشنایی با بسته‌های کلیدی: tidyverse, rjags, rstan
  • 9. توزیع‌های پیشین (Prior): انتخاب و توجیه
  • 10. توزیع‌های پیشین ناآگاهانه (Uninformative Priors) در مقابل آگاهانه (Informative Priors)
  • 11. توزیع درستنمایی (Likelihood): پیوند داده‌ها به پارامترها
  • 12. توزیع پسین (Posterior): ترکیب دانش پیشین و داده‌ها
  • 13. استنتاج بیزی: توصیف توزیع پسین
  • 14. بازه معتبر (Credible Interval) در مقابل بازه اطمینان (Confidence Interval)
  • 15. معرفی شبیه‌سازی و روش‌های مونت کارلو
  • 16. چرا به MCMC (زنجیره مارکوف مونت کارلو) نیاز داریم؟
  • 17. آشنایی با الگوریتم گیبز (Gibbs Sampling)
  • 18. آشنایی با الگوریتم متروپلیس-هیستینگز (Metropolis-Hastings)
  • 19. معرفی JAGS: زبانی برای مدل‌سازی بیزی
  • 20. نوشتن اولین مدل در JAGS: مدل سکه
  • 21. اجرای مدل JAGS از طریق R با بسته rjags
  • 22. معرفی Stan: پلتفرمی مدرن برای مدل‌سازی آماری
  • 23. نوشتن اولین مدل در Stan: باز هم مدل سکه
  • 24. اجرای مدل Stan از طریق R با بسته rstan
  • 25. بررسی همگرایی زنجیره‌ها: نمودارهای Trace Plot
  • 26. معیار همگرایی Gelman-Rubin (R-hat)
  • 27. اندازه نمونه مؤثر (Effective Sample Size - ESS)
  • 28. خلاصه کردن توزیع پسین: معیارهای گرایش مرکزی و پراکندگی
  • 29. تجسم توزیع پسین: هیستوگرام و نمودار چگالی
  • 30. مدل‌سازی داده‌های دوتایی: توزیع برنولی و دوجمله‌ای
  • 31. انتخاب پیشین مزدوج: توزیع بتا برای پارامتر برنولی
  • 32. تخمین یک نسبت و بازه معتبر آن
  • 33. آزمون فرض بیزی: ناحیه برابری عملی (ROPE)
  • 34. مقایسه دو نسبت: رویکرد بیزی
  • 35. بررسی کیفیت مدل (Model Checking): بررسی پیش‌گویانه پسین
  • 36. مدل‌سازی داده‌های پیوسته: توزیع نرمال
  • 37. تخمین میانگین با واریانس معلوم
  • 38. تخمین میانگین و واریانس به صورت همزمان
  • 39. انتخاب توزیع پیشین برای میانگین و واریانس
  • 40. رویکرد بیزی به آزمون تی (t-test): مدل BEST
  • 41. مدل‌سازی مقاوم (Robust Modeling): استفاده از توزیع تی استیودنت
  • 42. مقایسه دو گروه: تحلیل تفاوت میانگین‌ها
  • 43. تحلیل توان آماری از دیدگاه بیزی
  • 44. مقدمه‌ای بر رگرسیون خطی ساده بیزی
  • 45. تفسیر پارامترهای رگرسیون (عرض از مبدأ و شیب) در چارچوب بیزی
  • 46. انتخاب توزیع‌های پیشین برای پارامترهای رگرسیون
  • 47. پیاده‌سازی رگرسیون خطی ساده در Stan
  • 48. ارزیابی عدم قطعیت در خط رگرسیون
  • 49. بررسی کیفیت مدل رگرسیون: تحلیل باقی‌مانده‌ها
  • 50. پیش‌بینی مقادیر جدید و بازه‌های پیش‌بینی
  • 51. رگرسیون خطی چندگانه بیزی
  • 52. تفسیر ضرایب در رگرسیون چندگانه
  • 53. اثرات متقابل (Interaction Effects) بین متغیرها
  • 54. کار با متغیرهای پیش‌بین طبقه‌ای (Categorical Predictors)
  • 55. چالش هم‌خطی چندگانه (Multicollinearity)
  • 56. مقایسه مدل‌ها: فاکتور بیز (Bayes Factor)
  • 57. معیارهای اطلاعاتی: DIC, WAIC و LOO-IC
  • 58. انتخاب متغیر بیزی (Bayesian Variable Selection)
  • 59. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLM)
  • 60. رگرسیون لجستیک بیزی: مدل‌سازی احتمالات
  • 61. تفسیر ضرایب در مقیاس لگاریتم شانس (Log-Odds)
  • 62. پیاده‌سازی رگرسیون لجستیک در Stan
  • 63. بررسی کیفیت مدل برای رگرسیون لجستیک
  • 64. رگرسیون پواسون بیزی: مدل‌سازی داده‌های شمارشی
  • 65. مشکل پراکندگی بیش از حد (Overdispersion)
  • 66. مدل دوجمله‌ای منفی (Negative Binomial) برای داده‌های شمارشی
  • 67. مقدمه‌ای بر مدل‌های سلسله‌مراتبی (Hierarchical Models)
  • 68. چرا مدل‌های سلسله‌مراتبی؟ مفهوم تجمیع نسبی (Partial Pooling)
  • 69. مدل سلسله‌مراتبی برای تخمین میانگین‌های چند گروه
  • 70. ساختار مدل سلسله‌مراتبی: پارامترهای سطح گروه و سطح جمعیت
  • 71. انتخاب توزیع‌های پیشین در مدل‌های سلسله‌مراتبی
  • 72. پیاده‌سازی یک مدل سلسله‌مراتبی ساده در Stan
  • 73. رگرسیون خطی سلسله‌مراتبی: مدل عرض از مبدأ تصادفی (Random Intercepts)
  • 74. مدل شیب تصادفی (Random Slopes)
  • 75. مدل عرض از مبدأ و شیب تصادفی
  • 76. پارامتری‌سازی مجدد: مدل‌های مرکزگریز (Non-centered Parameterization)
  • 77. رگرسیون لجستیک سلسله‌مراتبی
  • 78. رگرسیون پواسون سلسله‌مراتبی
  • 79. تجسم نتایج مدل‌های سلسله‌مراتبی
  • 80. گذار از JAGS به Stan: چرا و چگونه؟
  • 81. مدل‌سازی داده‌های ترتیبی (Ordinal Data): رگرسیون ترتیبی
  • 82. رگرسیون خطی مقاوم (Robust Regression) با توزیع تی
  • 83. مدل‌های آمیخته (Mixture Models): شناسایی زیرگروه‌ها
  • 84. تحلیل عاملی بیزی (Bayesian Factor Analysis)
  • 85. مدل‌سازی داده‌های سانسور شده (Censored Data)
  • 86. مدل‌سازی خطای اندازه‌گیری (Measurement Error Models)
  • 87. مدل‌های فضایی-زمانی (Spatio-temporal Models)
  • 88. تحلیل بقا (Survival Analysis) از دیدگاه بیزی
  • 89. بهینه‌سازی محاسباتی در Stan: برداری‌سازی (Vectorization)
  • 90. گردش کار بیزی (Bayesian Workflow) در عمل
  • 91. ارتباط و گزارش‌دهی نتایج تحلیل بیزی
  • 92. اخلاق در مدل‌سازی بیزی: شفافیت و بازتولیدپذیری
  • 93. مطالعه موردی ۱: تحلیل داده‌های بازاریابی
  • 94. مطالعه موردی ۲: تحلیل نتایج یک آزمایش بالینی
  • 95. مطالعه موردی ۳: مدل‌سازی داده‌های علوم اجتماعی
  • 96. فراتر از این دوره: موضوعات پیشرفته در آمار بیزی
  • 97. جمع‌بندی نهایی و خلاصه دوره
SMART LEARNING PLATFORM
از مطالعه تا یادگیری ماندگار
فراتر از یک مجموعه فلش‌کارت؛ تجربه‌ای تعاملی برای یادگیری، تمرین، مرور هوشمند و مشاهده مسیر پیشرفت شما، همراه با امکان دریافت گواهی پایان دوره در دوره‌های واجد شرایط.
مرور فاصله‌دار آمار یادگیری گواهی دوزبانه
یادگیری را به یک مسیر قابل پیگیری تبدیل کنید
با ورود به سامانه آموزشی، محتوای دوره را به‌صورت مرحله‌ای دنبال کنید، فلش‌کارت‌ها را مرور کنید، دانش خود را با پرسش‌ها و آزمون‌ها بسنجید و روند پیشرفتتان را در طول مسیر ببینید.
⟳
مرور فاصله‌دار هوشمند
با مرور زمان‌دار، کارت‌های تازه و کارت‌های سررسیدشده را بر اساس برنامه مرور دنبال کنید. ارزیابی پاسخ‌ها به زمان‌بندی مرورهای بعدی کمک می‌کند تا تمرین متناسب‌تری داشته باشید.
◉
مشاهده مسیر پیشرفت
میزان مشاهده فلش‌کارت‌ها، فعالیت‌های مرور، عملکرد آزمون‌ها و آمار یادگیری را بررسی کنید و تصویر روشن‌تری از مسیر آموزشی خود داشته باشید.
▤
یادگیری مرحله‌به‌مرحله
فصل‌ها و بخش‌های آموزشی را به ترتیب دنبال کنید، مطالب دیده‌نشده را پیدا کنید و بدون سردرگمی به ادامه مسیر برگردید.
✓
تمرین و سنجش آموخته‌ها
با نکته‌های آموزشی، پرسش و پاسخ، کوییزها و آزمون‌های پایان فصل، دانسته‌های خود را تمرین کنید و بخش‌هایی را که به توجه بیشتری نیاز دارند بشناسید.
SMART REVIEW
هر بار، مرور هدفمندتر
لازم نیست هر روز از ابتدا درباره اینکه چه چیزی را مرور کنید تصمیم بگیرید. سامانه، صف مرور روزانه را بر اساس کارت‌های تازه و موعد مرور کارت‌ها آماده می‌کند. شما پاسخ را ارزیابی می‌کنید و برنامه مرور با توجه به آن تنظیم می‌شود.
دوباره
برای کارت‌هایی که به تمرین زودتر نیاز دارند.
سخت
برای پاسخ‌هایی که با دشواری به یاد آمده‌اند.
خوب
برای پاسخ‌هایی که به‌درستی به یاد آورده‌اید.
آسان
برای کارت‌هایی که پاسخ آن‌ها را به‌آسانی می‌دانید.
برنامه مرور بر اساس ارزیابی شما تنظیم می‌شود؛ مرور منظم می‌تواند به تثبیت آموخته‌ها کمک کند، اما به‌تنهایی تضمین‌کننده تسلط کامل نیست.
محتوا را به شیوه‌های مختلف تمرین کنید
ساختار دوره‌ها متناسب با موضوع آموزشی طراحی شده است و ممکن است انواع مختلفی از محتوا را در بر بگیرد.
نکته‌های ساده
برای مرور سریع مفاهیم اصلی و نکات کلیدی.
نکته‌های رسمی
برای تمرین تعاریف، اصطلاحات و بیان دقیق علمی.
کوییز
برای سنجش درک مطلب و بررسی گزینه صحیح.
پرسش و پاسخ
برای تمرین یادآوری و سنجش میزان تسلط بر مطالب.
محتوای هر دوره بر اساس ساختار و امکانات فعال همان دوره ارائه می‌شود.
LEARN ANYWHERE
همراه شما روی مرورگر
برای استفاده از نسخه تحت وب، کافی است با حساب کاربری خود وارد سامانه شوید. بدون نیاز به نصب یک برنامه اختصاصی، می‌توانید از مرورگر سازگار روی گوشی، تبلت یا رایانه به دوره‌های در دسترس خود مراجعه کنید.
گوشی هوشمند
برای مطالعه در زمان‌های کوتاه
تبلت و لپ‌تاپ
برای مطالعه و مرور راحت‌تر
حساب کاربری شخصی
برای دسترسی به دوره‌های مجاز شما
COURSE COMPLETION CERTIFICATE
گواهی پایان دوره؛ ثبت دستاورد شما
در دوره‌هایی که امکان دریافت گواهی برای آن‌ها فعال است، می‌توانید پس از تکمیل شرایط آموزشی، درخواست گواهی پایان دوره ثبت کنید.
شرایط درخواست گواهی
✓ داشتن دسترسی دارای قابلیت گواهی برای دوره مربوطه.
✓ تکمیل اطلاعات لازم در پروفایل، شامل کد ملی معتبر، عکس پرسنلی و نام و نام خانوادگی انگلیسی.
✓ مشاهده تمام فلش‌کارت‌های فعال دوره.
✓ قبولی در آزمون‌های پایان فصل، در صورت وجود آزمون برای فصل‌ها.
فارسی و انگلیسی
پس از تأیید و انتشار، نسخه‌های فارسی و انگلیسی گواهی در دسترس قرار می‌گیرند.
استعلام آنلاین
گواهی منتشرشده دارای QR Code و لینک اختصاصی برای بررسی آنلاین اعتبار آن است.
دانلود و چاپ
پس از انتشار گواهی، امکان دریافت نسخه PDF فارسی و انگلیسی و چاپ آن فراهم است.
توجه: ثبت درخواست به معنای صدور قطعی نیست. درخواست گواهی پس از بررسی و تأیید ادمین منتشر می‌شود. این گواهی، گواهی پایان دوره آموزشی است و به‌خودی‌خود معادل مدرک دانشگاهی یا مدرک رسمی مورد تأیید نهادهای دولتی نیست.
یادگیری را شروع کنید؛ پیشرفت را دنبال کنید
با تمرین منظم، مرور هدفمند و پیگیری مسیر آموزشی خود، قدم‌به‌قدم دانش و مهارت‌هایتان را گسترش دهید.
هر کارت، یک قدم به جلو
امکانات محتوایی، مرور و گواهی بر اساس سطح دسترسی و تنظیمات هر دوره متفاوت است.
نگاهی به محیط سامانه

یادگیری هوشمند، قدم‌به‌قدم

با محیط سامانه آموزشی آشنا شوید و نمونه‌هایی از فضای یادگیری، فلش‌کارت‌ها و ابزارهای مرور و تمرین را مشاهده کنید.

تصویر نمونه اول از سامانه آموزشی و فلش‌کارت‌ها
محیط سامانه آموزشی
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه دوم از سامانه آموزشی و فلش‌کارت‌ها
یادگیری و مرور مطالب
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه سوم از سامانه آموزشی و فلش‌کارت‌ها
تجربه مطالعه تعاملی
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه چهارم از سامانه آموزشی و فلش‌کارت‌ها
امکانات بیشتر سامانه
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید

یادگیری فراتر از مطالعه معمولی
با فلش‌کارت‌های آموزشی، مرور هدفمند و تمرین مستمر، مطالب را فعالانه یاد بگیرید و مسیر پیشرفت خود را دنبال کنید.

تگ‌ها: Bayesian Data Analysis Big Data Inference JAGS R Stan آمار بیزی تحلیل بیزی تحلیل داده داده کاوی روش‌های بیزی علم داده مدل‌سازی احتمالی مدل‌های آماری یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.