کتاب صوتی 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: 124,963 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
EXPRESS24 AUDIO EXPERIENCE
یادگیری را بشنوید؛ زندگی کنید
کتاب‌های صوتی و پادکست‌های آموزشی، راهی دلنشین برای کشف ایده‌های تازه، گسترش دانش و استفاده بهتر از لحظه‌های روزمره هستند.
دانش، الهام و تجربه؛ این بار با صدای زندگی
برای آموختن، همیشه لازم نیست بخوانید
گاهی بهترین فرصت یادگیری زمانی است که در مسیر رفت‌وآمد هستید، قدم می‌زنید، استراحت می‌کنید یا کارهای روزمره‌تان را انجام می‌دهید. محتوای صوتی کمک می‌کند از این لحظه‌ها برای شنیدن، اندیشیدن و آشنایی با موضوعات تازه بهره ببرید.
◷
یادگیری در دل روزمرگی
از زمان رفت‌وآمد، پیاده‌روی یا استراحت برای شنیدن محتوای مفید استفاده کنید؛ بدون آنکه همیشه به کتاب چاپی یا صفحه نمایش نیاز داشته باشید.
◎
تجربه‌ای شنیداری و دلنشین
با روایت صوتی، توضیحات گفتاری و فضای شنیداری هر محتوا همراه شوید و متناسب با سلیقه خود، شیوه تازه‌ای برای دریافت مطالب تجربه کنید.
✦
گسترش دانش و دیدگاه
با موضوعات متنوع آشنا شوید، ایده‌های تازه کشف کنید و فرصت بیشتری برای یادگیری مستمر و پرورش کنجکاوی خود بسازید.
♫
همراه با سبک زندگی شما
محتوای صوتی را متناسب با برنامه روزانه خود انتخاب کنید و در زمان مناسب، شنیدن را به بخشی از عادت‌های شخصی‌تان تبدیل کنید.
کتاب صوتی یا پادکست؟
کتاب صوتی
راهی برای همراه شدن با محتوای یک کتاب از طریق شنیدن. بسته به اثر، می‌توانید داستان‌ها، آموزش‌ها، مفاهیم تخصصی یا مطالب کاربردی را در قالب روایت و بیان صوتی دنبال کنید.
مناسب برای شنیدن و مرور محتوای کتاب‌ها
پادکست آموزشی
فرصتی برای دنبال کردن موضوعات مشخص در قالب گفت‌وگو، روایت، توضیح آموزشی یا مجموعه‌ای از قسمت‌های صوتی؛ مناسب برای کشف ایده‌ها و آشنایی با دیدگاه‌های گوناگون.
مناسب برای یادگیری موضوعی و شنیدن دیدگاه‌های تازه
هر جا که هستید، شنیدن را آغاز کنید
با دستگاه مناسب خود، محتوای صوتی را به آسانی دنبال کنید.
▯
گوشی هوشمند
اندروید و آیفون
▣
تبلت
برای شنیدن و دنبال کردن محتوا
▤
رایانه و لپ‌تاپ
با پخش‌کننده صوتی سازگار
♫
هدفون و بلندگو
برای شنیدن متناسب با محیط
چطور از تجربه شنیدن بیشتر بهره ببریم؟
✦ زمان مناسبی برای شنیدن انتخاب کنید؛ زمانی که بتوانید با آرامش به محتوا توجه داشته باشید.
✦ برای مطالب آموزشی، نکته‌های مهم را یادداشت کنید یا پس از پایان شنیدن، آن‌ها را مرور کنید.
✦ اگر محتوا طولانی است، آن را در چند نوبت دنبال کنید تا فرصت بیشتری برای درک و مرور داشته باشید.
✦ هنگام رانندگی یا انجام کارهای نیازمند تمرکز، ایمنی را در اولویت قرار دهید و از شیوه شنیدنی استفاده کنید که حواس شما را مختل نکند.
هر شنیدن، فرصتی برای کشف است
با کتاب‌های صوتی و پادکست‌های آموزشی، دنیای تازه‌ای از ایده‌ها، روایت‌ها و آموختنی‌ها را به لحظه‌های خود اضافه کنید.
کشف محصولات بیشتر در اکسپرس ۲۴
express24.ir
امکانات پخش، ادامه شنیدن و دسترسی آفلاین به نوع فایل، دستگاه و نرم‌افزار مورد استفاده بستگی دارد.
AUDIO PREVIEW
قبل از انتخاب، گوش کنید!
بخشی از سبک محتوای محصولات صوتی ما را بشنوید و با فضای آن آشنا شوید.
♫
نمونه صوتی از سبک محصولات صوتی ما
پیش‌نمایش کوتاهی از سبک پادکست های صوتی محصولات ما
پخش آنلاین
برای تجربه بهتر، می‌توانید از هدفون استفاده 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.