فلشکارتهای آموزشی راهنمای پیادهسازی HMC و NUTS در Stan
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره راهنمای پیادهسازی HMC و NUTS در Stan
موضوع کلی: روشهای نمونهگیری مونتکارلو مارکوف (MCMC) در آمار بیزی
موضوع میانی: نمونهگیری از طریق HMC و NUTS در Stan
📋 سرفصلهای دوره
- 1. مقدمهای بر مدلسازی آماری بیزی
- 2. مفاهیم پایه احتمال و آمار
- 3. مقدمهای بر زبان برنامهنویسی R
- 4. نصب و راهاندازی Stan
- 5. مبانی زبان Stan
- 6. دستورات پایه در Stan
- 7. تعریف متغیرها و دادهها در Stan
- 8. ساخت مدلهای خطی ساده در Stan
- 9. روشهای نمونهگیری مارکوف زنجیرهای مونت کارلو (MCMC)
- 10. مقدمهای بر الگوریتم Metropolis-Hastings
- 11. الگوریتم گیبس سمپلینگ
- 12. مقدمهای بر الگوریتم Hamiltonian Monte Carlo (HMC)
- 13. پیادهسازی HMC در Stan
- 14. تنظیمات پارامترهای HMC
- 15. عیبیابی الگوریتم HMC
- 16. مقدمهای بر الگوریتم No-U-Turn Sampler (NUTS)
- 17. پیادهسازی NUTS در Stan
- 18. مقایسه HMC و NUTS
- 19. انتخاب پارامترهای مناسب برای NUTS
- 20. مدلسازی رگرسیون خطی بیزی با Stan
- 21. مدلسازی رگرسیون لجستیک بیزی با Stan
- 22. مدلسازی سریهای زمانی بیزی با Stan
- 23. مدلسازی سلسلهمراتبی با Stan
- 24. مدلسازی اثرات مختلط با Stan
- 25. مدلسازی دادههای شمارشی با Stan
- 26. مدلسازی دادههای بقا با Stan
- 27. اعتبارسنجی مدلهای بیزی
- 28. تشخیص همگرایی در MCMC
- 29. معیارهای ارزیابی مدلهای بیزی
- 30. نمایش نتایج مدلهای بیزی
- 31. استفاده از بستههای کمکی Stan در R
- 32. مدلسازی دادههای مکانی با Stan
- 33. مدلسازی مدلهای عاملی با Stan
- 34. مدلسازی شبکههای بیزی با Stan
- 35. مدلسازی انتشار فرآیندها با Stan
- 36. مدلسازی مدلهای شرطی با Stan
- 37. مدلسازی مدلهای مارکوف پنهان با Stan
- 38. مدلسازی مدلهای حالتگسسته با Stan
- 39. مدلسازی مدلهای پواسون با Stan
- 40. مدلسازی مدلهای منفی دوجملهای با Stan
- 41. مدلسازی مدلهای چندجملهای با Stan
- 42. مدلسازی مدلهای رگرسیون کوواریانس با Stan
- 43. مدلسازی مدلهای رگرسیون کوواریانس سلسلهمراتبی با Stan
- 44. مدلسازی مدلهای رگرسیون کوواریانس با اثرات ثابت با Stan
- 45. مدلسازی مدلهای رگرسیون کوواریانس با اثرات تصادفی با Stan
- 46. مدلسازی مدلهای رگرسیون کوواریانس با اثرات مختلط با Stan
- 47. مدلسازی مدلهای رگرسیون کوواریانس با اثرات ثابت و تصادفی با Stan
- 48. مدلسازی مدلهای رگرسیون کوواریانس با اثرات ثابت، تصادفی و مختلط با Stan
- 49. مدلسازی مدلهای رگرسیون کوواریانس با اثرات ثابت، تصادفی، مختلط و پواسون با Stan
- 50. مدلسازی مدلهای رگرسیون کوواریانس با اثرات ثابت، تصادفی، مختلط، پواسون و منفی دوجملهای با Stan
- 51. مدلسازی مدلهای رگرسیون کوواریانس با اثرات ثابت، تصادفی، مختلط، پواسون، منفی دوجملهای و چندجملهای با Stan
- 52. مدلسازی مدلهای رگرسیون کوواریانس با اثرات ثابت، تصادفی، مختلط، پواسون، منفی دوجملهای، چندجملهای و بقا با Stan
- 53. مدلسازی مدلهای رگرسیون کوواریانس با اثرات ثابت، تصادفی، مختلط، پواسون، منفی دوجملهای، چندجملهای، بقا و شمارشی با Stan
- 54. مدلسازی مدلهای رگرسیون کوواریانس با اثرات ثابت، تصادفی، مختلط، پواسون، منفی دوجملهای، چندجملهای، بقا، شمارشی و سری زمانی با Stan
- 55. مدلسازی مدلهای رگرسیون کوواریانس با اثرات ثابت، تصادفی، مختلط، پواسون، منفی دوجملهای، چندجملهای، بقا، شمارشی، سری زمانی و مکانی با Stan
- 56. مدلسازی مدلهای رگرسیون کوواریانس با اثرات ثابت، تصادفی، مختلط، پواسون، منفی دوجملهای، چندجملهای، بقا، شمارشی، سری زمانی، مکانی و عاملی با Stan
- 57. مدلسازی مدلهای رگرسیون کوواریانس با اثرات ثابت، تصادفی، مختلط، پواسون، منفی دوجملهای، چندجملهای، بقا، شمارشی، سری زمانی، مکانی، عاملی و شبکهای با Stan
- 58. مدلسازی مدلهای رگرسیون کوواریانس با اثرات ثابت، تصادفی، مختلط، پواسون، منفی دوجملهای، چندجملهای، بقا، شمارشی، سری زمانی، مکانی، عاملی، شبکهای و انتشار فرآیند با Stan
- 59. مدلسازی مدلهای رگرسیون کوواریانس با اثرات ثابت، تصادفی، مختلط، پواسون، منفی دوجملهای، چندجملهای، بقا، شمارشی، سری زمانی، مکانی، عاملی، شبکهای، انتشار فرآیند و شرطی با Stan
- 60. مدلسازی مدلهای رگرسیون کوواریانس با اثرات ثابت، تصادفی، مختلط، پواسون، منفی دوجملهای، چندجملهای، بقا، شمارشی، سری زمانی، مکانی، عاملی، شبکهای، انتشار فرآیند، شرطی و مارکوف پنهان با Stan
- 61. مدلسازی مدلهای رگرسیون کوواریانس با اثرات ثابت، تصادفی، مختلط، پواسون، منفی دوجملهای، چندجملهای، بقا، شمارشی، سری زمانی، مکانی، عاملی، شبکهای، انتشار فرآیند، شرطی، مارکوف پنهان و حالتگسسته با Stan
- 62. مدلسازی مدلهای رگرسیون کوواریانس با اثرات ثابت، تصادفی، مختلط، پواسون، منفی دوجملهای، چندجملهای، بقا، شمارشی، سری زمانی، مکانی، عاملی، شبکهای، انتشار فرآیند، شرطی، مارکوف پنهان، حالتگسسته و رگرسیون با Stan
- 63. مدلسازی مدلهای رگرسیون کوواریانس با اثرات ثابت، تصادفی، مختلط، پواسون، منفی دوجملهای، چندجملهای، بقا، شمارشی، سری زمانی، مکانی، عاملی، شبکهای، انتشار فرآیند، شرطی، مارکوف پنهان، حالتگسسته، رگرسیون و رگرسیون خطی با Stan
- 64. مدلسازی مدلهای رگرسیون کوواریانس با اثرات ثابت، تصادفی، مختلط، پواسون، منفی دوجملهای، چندجملهای، بقا، شمارشی، سری زمانی، مکانی، عاملی، شبکهای، انتشار فرآیند، شرطی، مارکوف پنهان، حالتگسسته، رگرسیون، رگرسیون خطی و رگرسیون لجستیک با Stan
- 65. مدلسازی مدلهای رگرسیون کوواریانس با اثرات ثابت، تصادفی، مختلط، پواسون، منفی دوجملهای، چندجملهای، بقا، شمارشی، سری زمانی، مکانی، عاملی، شبکهای، انتشار فرآیند، شرطی، مارکوف پنهان، حالتگسسته، رگرسیون، رگرسیون خطی، رگرسیون لجستیک و سلسلهمراتبی با Stan
- 66. مدلسازی مدلهای رگرسیون کوواریانس با اثرات ثابت، تصادفی، مختلط، پواسون، منفی دوجملهای، چندجملهای، بقا، شمارشی، سری زمانی، مکانی، عاملی، شبکهای، انتشار فرآیند، شرطی، مارکوف پنهان، حالتگسسته، رگرسیون، رگرسیون خطی، رگرسیون لجستیک، سلسلهمراتبی و اثرات مختلط با Stan
- 67. مدلسازی مدلهای رگرسیون کوواریانس با اثرات ثابت، تصادفی، مختلط، پواسون، منفی دوجملهای، چندجملهای، بقا، شمارشی، سری زمانی، مکانی، عاملی، شبکهای، انتشار فرآیند، شرطی، مارکوف پنهان، حالتگسسته، رگرسیون، رگرسیون خطی، رگرسیون لجستیک، سلسلهمراتبی، اثرات مختلط و دادههای شمارشی با Stan
- 68. مدلسازی مدلهای رگرسیون کوواریانس با اثرات ثابت، تصادفی، مختلط، پواسون، منفی دوجملهای، چندجملهای، بقا، شمارشی، سری زمانی، مکانی، عاملی، شبکهای، انتشار فرآیند، شرطی، مارکوف پنهان، حالتگسسته، رگرسیون، رگرسیون خطی، رگرسیون لجستیک، سلسلهمراتبی، اثرات مختلط، دادههای شمارشی و دادههای بقا با Stan
- 69. مدلسازی مدلهای رگرسیون کوواریانس با اثرات ثابت، تصادفی، مختلط، پواسون، منفی دوجملهای، چندجملهای، بقا، شمارشی، سری زمانی، مکانی، عاملی، شبکهای، انتشار فرآیند، شرطی، مارکوف پنهان، حالتگسسته، رگرسیون، رگرسیون خطی، رگرسیون لجستیک، سلسلهمراتبی، اثرات مختلط، دادههای شمارشی، دادههای بقا و اعتبارسنجی مدل با Stan
- 70. مدلسازی مدلهای رگرسیون کوواریانس با اثرات ثابت، تصادفی، مختلط، پواسون، منفی دوجملهای، چندجملهای، بقا، شمارشی، سری زمانی، مکانی، عاملی، شبکهای، انتشار فرآیند، شرطی، مارکوف پنهان، حالتگسسته، رگرسیون، رگرسیون خطی، رگرسیون لجستیک، سلسلهمراتبی، اثرات مختلط، دادههای شمارشی، دادههای بقا، اعتبارسنجی مدل و تشخیص همگرایی با Stan
- 71. مدلسازی مدلهای رگرسیون کوواریانس با اثرات ثابت، تصادفی، مختلط، پواسون، منفی دوجملهای، چندجملهای، بقا، شمارشی، سری زمانی، مکانی، عاملی، شبکهای، انتشار فرآیند، شرطی، مارکوف پنهان، حالتگسسته، رگرسیون، رگرسیون خطی، رگرسیون لجستیک، سلسلهمراتبی، اثرات مختلط، دادههای شمارشی، دادههای بقا، اعتبارسنجی مدل، تشخیص همگرایی و معیارهای ارزیابی با Stan
- 72. مدلسازی مدلهای رگرسیون کوواریانس با اثرات ثابت، تصادفی، مختلط، پواسون، منفی دوجملهای، چندجملهای، بقا، شمارشی، سری زمانی، مکانی، عاملی، شبکهای، انتشار فرآیند، شرطی، مارکوف پنهان، حالتگسسته، رگرسیون، رگرسیون خطی، رگرسیون لجستیک، سلسلهمراتبی، اثرات مختلط، دادههای شمارشی، دادههای بقا، اعتبارسنجی مدل، تشخیص همگرایی، معیارهای ارزیابی و نمایش نتایج با Stan
- 73. کاربرد HMC و NUTS در علوم زیستی
- 74. کاربرد HMC و NUTS در علوم اجتماعی
- 75. کاربرد HMC و NUTS در علوم اقتصادی
- 76. کاربرد HMC و NUTS در علوم مهندسی
- 77. کاربرد HMC و NUTS در علوم پزشکی
- 78. کاربرد HMC و NUTS در علوم محیط زیست
- 79. کاربرد HMC و NUTS در علوم سیاسی
- 80. کاربرد HMC و NUTS در علوم ارتباطات
- 81. کاربرد HMC و NUTS در علوم تربیتی
- 82. کاربرد HMC و NUTS در علوم کتابداری و اطلاعرسانی
- 83. کاربرد HMC و NUTS در علوم شناختی
- 84. کاربرد HMC و NUTS در علوم زمین
- 85. کاربرد HMC و NUTS در علوم کامپیوتر
- 86. کاربرد HMC و NUTS در علوم ریاضی
- 87. کاربرد HMC و NUTS در علوم فیزیک
- 88. کاربرد HMC و NUTS در علوم شیمی
- 89. کاربرد HMC و NUTS در علوم زیستشناسی مولکولی
- 90. کاربرد HMC و NUTS در علوم تغذیه
- 91. کاربرد HMC و NUTS در علوم ورزشی
- 92. کاربرد HMC و NUTS در علوم حقوق
- 93. کاربرد HMC و NUTS در علوم مدیریت
- 94. کاربرد HMC و NUTS در علوم حسابداری
- 95. کاربرد HMC و NUTS در علوم بازاریابی
- 96. کاربرد HMC و NUTS در علوم بیمه
- 97. کاربرد HMC و NUTS در علوم بانکی
- 98. کاربرد HMC و NUTS در علوم مالی
- 99. کاربرد HMC و NUTS در علوم نظامی
- 100. کاربرد HMC و NUTS در علوم انتظامی
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.
محیط سامانه آموزشی
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
یادگیری و مرور مطالب
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
تجربه مطالعه تعاملی
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
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:
HMC
NUTS
Stan
آمار بیزی
پیادهسازی آماری
تحلیل داده
مدلسازی آماری
نرمافزار آماری
نمونهگیری MCMC
یادگیری ماشینی
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.