فلش‌کارت‌های آموزشی کاربرد MCMC با Stan در مسائل کاربردی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 74,988 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 کاربرد MCMC با Stan در مسائل کاربردی

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر استدلال بیزی و نقش MCMC
  • 2. مبانی توزیع‌های احتمالاتی و محاسبه پوستerior
  • 3. معماری Stan: زبان مدل‌سازی و کامپایل
  • 4. نصب و راه‌اندازی Stan در R، Python و خط فرمان
  • 5. نوشتن اولین مدل Stan: ساختار data، parameters، model
  • 6. تعریف اولویت‌ها (priors) به‌صورت عملی در Stan
  • 7. نمونه‌گیری هامیلتونی مونت‌کارلو (HMC) و NUTS در Stan
  • 8. تنظیم پارامترهای نمونه‌گیر: adapt_delta، max_treedepth، step_size
  • 9. تشخیص و رفع divergent transitions
  • 10. بررسی روند همگرایی: R-hat، effective sample size، trace plots
  • 11. بررسی انرژی و energy Bayesian fraction of missing information (E-BFMI)
  • 12. پیش‌بینی پوستerior و posterior predictive checks
  • 13. مدل‌سازی رگرسیونی خطی و تعمیم‌یافته در Stan
  • 14. مدل‌های مختلط (mixture models) و شناسایی زیرجماعات
  • 15. مدل‌های هیرارشی (multilevel) با Stan: پارامترهای گروهی و همبستگی
  • 16. مدل‌سازی داده‌های شمارشی: Poisson، Negative Binomial، Zero‑inflated
  • 17. مدل‌های بقا (survival) و خطرات نسبی در Stan
  • 18. مدل‌های سری زمانی: autoregressive، state‑space، dynamic linear models
  • 19. مدل‌های فضایی و مکانی: Gaussian processes، CAR/ICAR
  • 20. استفاده از Stan برای مدل‌های غیرخطی و دیفرانسیل
  • 21. بهینه‌سازی عملکرد: vectorization، reduced‑sum، map_rect
  • 22. مدل‌سازی با داده‌های ناقص (missing data) در Stan
  • 23. مقایسه Stan با سایر موتورهای نمونه‌گیری (JAGS، PyMC، Turing)
  • 24. استفاده از CmdStan برای مقیاس‌پذیری و موازی‌سازی
  • 25. اعتبارسنجی مدل با cross‑validation و WAIC/LOO
  • 26. نمونه‌گیری از posterior برای تصمیم‌گیری و بهینه‌سازی
  • 27. استفاده از Stan در یادگیری ماشین بیزی (Bayesian neural nets)
  • 28. مدل‌سازی داده‌های دسته‌ای و ترتیبی (ordinal، categorical)
  • 29. مدل‌های latent variable و factor analysis در Stan
  • 30. پیاده‌سازی مدل‌های mixture of experts
  • 31. استفاده از Stan برای برآورد پارامترهای معادلات دیفرانسیل معمول
  • 32. مدل‌سازی شبکه‌های بیزی و گراف‌های احتمالاتی
  • 33. استفاده از Stan در علم ژنتیک و بیوانفورماتیک
  • 34. مدل‌سازی داده‌های مالی: volatility، stochastic volatility
  • 35. استفاده از Stan در اپیدمیولوژی و مدل‌های سیر
  • 36. مدل‌سازی داده‌های سنجش از راه دور (remote sensing)
  • 37. استفاده از Stan برای Kalman filter و smoothing
  • 38. مدل‌سازی داده‌های شبکه (network data) با Stan
  • 39. بررسی حساسیت مدل به انتخاب اولویت‌ها
  • 40. استفاده از Stan برای Bayesian model averaging
  • 41. نمونه‌گیری از posterior predictive distribution برای شبیه‌سازی
  • 42. استفاده از Stan در کنترل کیفیت و مهندسی قابلیت اطمینان
  • 43. مدل‌سازی داده‌های طولانی (longitudinal) با اثرات ثابت و تصادفی
  • 44. استفاده از Stan برای برآورد پارامترهای مدل‌های دینامیکی غیرخطی
  • 45. پیاده‌سازی مدل‌های hidden Markov در Stan
  • 46. استفاده از Stan برای برآورد مدل‌های factor stochastic volatility
  • 47. مدل‌سازی داده‌های چندمتغیره با copula در Stan
  • 48. استفاده از Stan برای Bayesian nonparametrics (Dirichlet process)
  • 49. مدل‌سازی داده‌های پراکنده و بزرگ با Stan (big data strategies)
  • 50. استفاده از Stan در سیستم‌های توصیه‌گر (recommender systems)
  • 51. مدل‌سازی داده‌های متنی با topic models در Stan
  • 52. استفاده از Stan برای برآورد پارامترهای مدل‌های بازی‌ها
  • 53. مدل‌سازی داده‌های فضایی-زمانی (spatio‑temporal) در Stan
  • 54. استفاده از Stan برای Bayesian optimization
  • 55. نمونه‌گیری از posterior با parallel chains و diagnostics پیشرفته
  • 56. استفاده از Stan در علم مواد و شبیه‌سازی مولکولی
  • 57. مدل‌سازی داده‌های پزشکی: clinical trial analysis
  • 58. استفاده از Stan برای برآورد مدل‌های economiaetrics پیشرفته
  • 59. مدل‌سازی داده‌های زیست‌محیطی و تغییرات اقلیمی
  • 60. استفاده از Stan برای Bayesian causal inference
  • 61. نمونه‌گیری از posterior در وجود محدودیت‌های فیزیکی (constrained parameters)
  • 62. استفاده از Stan برای مدل‌سازی داده‌های سنسور و IoT
  • 63. مدل‌سازی داده‌های شبکه‌های اجتماعی با Stan
  • 64. استفاده از Stan برای برآورد مدل‌های reinforcement learning بیزی
  • 65. نمونه‌گیری از posterior برای uncertainty quantification در مهندسی
  • 66. استفاده از Stan در آموزش آمار بیزی: مثال‌های آموزشی کامل
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: applied Bayesian modeling Bayesian inference Bayesian workflow CmdStan Hamiltonian Monte Carlo hierarchical models MCMC model diagnostics posterior predictive checks probabilistic programming PyStan RStan Stan Stan tuning variational inference

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.