کتاب تنظیمات پیشرفته برای مدل‌سازی‌های پیچیده در Stan

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

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تنظیمات پیشرفته برای مدل‌سازی‌های پیچیده در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر زبان برنامه‌نویسی Stan
  • 2. نصب و راه‌اندازی Stan
  • 3. مفاهیم پایه‌ای مدل‌سازی آماری
  • 4. مقدمه‌ای بر آمار بیزی
  • 5. مفاهیم احتمال و توزیع‌های احتمال
  • 6. توزیع‌های پیشین و پسین
  • 7. قضیه بیز و کاربردهای آن
  • 8. مقدمه‌ای بر مدل‌های خطی در Stan
  • 9. مدل‌های رگرسیون خطی ساده
  • 10. مدل‌های رگرسیون خطی چندگانه
  • 11. مدل‌های خطی تعمیم‌یافته (GLMs)
  • 12. معرفی توابع لینک در GLMs
  • 13. توزیع پواسون برای داده‌های شمارشی
  • 14. توزیع دوجمله‌ای برای داده‌های دودویی
  • 15. مدل‌سازی داده‌های سری زمانی در Stan
  • 16. فرآیندهای خودرگرسیو (AR)
  • 17. فرآیندهای میانگین متحرک (MA)
  • 18. مدل‌های ARMA و ARIMA
  • 19. مدل‌سازی اثرات تصادفی
  • 20. مدل‌های اثرات تصادفی خطی
  • 21. مدل‌های اثرات مختلط
  • 22. مقدمه‌ای بر مدل‌های سلسله‌مراتبی
  • 23. مزایای مدل‌های سلسله‌مراتبی
  • 24. پیاده‌سازی مدل‌های سلسله‌مراتبی در Stan
  • 25. مدل‌سازی داده‌های مکانی
  • 26. مقدمه‌ای بر مدل‌های مکانی
  • 27. مدل‌سازی وابستگی مکانی
  • 28. مدل‌سازی داده‌های شبکه‌ای
  • 29. مقدمه‌ای بر مدل‌های شبکه‌ای
  • 30. پیاده‌سازی مدل‌های شبکه‌ای در Stan
  • 31. مقدمه‌ای بر مدل‌های غیرخطی
  • 32. مدل‌های رگرسیون غیرخطی
  • 33. مدل‌های منحنی رشد
  • 34. استفاده از توابع گاما در Stan
  • 35. مدل‌سازی بقا
  • 36. مقدمه‌ای بر تحلیل بقا
  • 37. مدل کاکس پروپورشنال هازاردز
  • 38. مدل‌های بقای پارامتری
  • 39. بهینه‌سازی در Stan
  • 40. مقدمه‌ای بر بهینه‌سازی عددی
  • 41. روش گرادیان کاهشی
  • 42. روش‌های مرتبه دوم
  • 43. مقدمه‌ای بر نمونه‌برداری مونت کارلو زنجیره مارکوف (MCMC)
  • 44. الگوریتم Metropolis-Hastings
  • 45. الگوریتم گیبس سمپلینگ
  • 46. ارزیابی همگرایی MCMC
  • 47. شاخص‌های همگرایی (R-hat)
  • 48. تحلیل پسین توزیع‌ها
  • 49. ترسیم نمودارهای پسین
  • 50. محاسبه فواصل اطمینان بیزی
  • 51. استفاده از داده‌های شبیه‌سازی شده
  • 52. اعتبارسنجی مدل با داده‌های شبیه‌سازی شده
  • 53. تست‌های تشخیصی برای مدل‌های آماری
  • 54. مدل‌سازی داده‌های گمشده
  • 55. روش‌های imputation
  • 56. مدل‌سازی داده‌های گمشده در Stan
  • 57. مقدمه‌ای بر مدل‌سازی بیزی پیشرفته
  • 58. مدل‌های گرافیکی بیزی
  • 59. شبکه‌های بیزی
  • 60. کاربرد شبکه‌های بیزی در تحلیل داده
  • 61. بهینه‌سازی مدل با استفاده از الگوریتم‌های پیشرفته
  • 62. تنظیمات پارامترهای نمونه‌برداری
  • 63. مدیریت حافظه و کارایی در Stan
  • 64. اشکال‌زدایی کدهای Stan
  • 65. نوشتن کدهای Stan خوانا و قابل نگهداری
  • 66. مقدمه‌ای بر زبان برنامه‌نویسی R برای Stan
  • 67. اتصال R به Stan
  • 68. تجسم نتایج مدل‌سازی با R
  • 69. کار با بسته‌های R مرتبط با Stan
  • 70. مقدمه‌ای بر زبان برنامه‌نویسی Python برای Stan
  • 71. اتصال Python به Stan
  • 72. تجسم نتایج مدل‌سازی با Python
  • 73. کار با بسته‌های Python مرتبط با Stan
  • 74. مدل‌سازی داده‌های پیمایشی
  • 75. مدل‌سازی پاسخ‌های طبقه‌بندی شده
  • 76. مدل‌سازی داده‌های ترکیبی
  • 77. مدل‌سازی داده‌های رتبه‌بندی شده
  • 78. مدل‌سازی داده‌های هرمی
  • 79. مقدمه‌ای بر مدل‌سازی بیزی سلسله‌مراتبی پیچیده
  • 80. استفاده از توابع شرطی در Stan
  • 81. پیاده‌سازی مدل‌های سفارشی در Stan
  • 82. بهبود کارایی کدهای Stan
  • 83. تکنیک‌های پیشرفته نمونه‌برداری MCMC
  • 84. مدل‌سازی پدیده‌های پیچیده در علوم اجتماعی
  • 85. کاربرد Stan در اقتصاد سنجی بیزی
  • 86. مدل‌سازی در آمار زیستی با Stan
  • 87. کاربرد Stan در علوم محیطی
  • 88. مدل‌سازی در علوم داده با Stan
  • 89. مقدمه‌ای بر روش‌های بیزی پیش‌بینانه
  • 90. استفاده از مدل‌های بیزی برای پیش‌بینی
  • 91. ارزیابی عملکرد مدل‌های پیش‌بینانه
  • 92. مقدمه‌ای بر مدل‌سازی بیزی کواریانس
  • 93. مدل‌سازی ساختار کواریانس پیچیده
  • 94. کاربرد مدل‌سازی کواریانس در تحلیل داده
  • 95. مقدمه‌ای بر مدل‌سازی بیزی پویا
  • 96. مدل‌سازی سیستم‌های پویا
  • 97. کاربرد مدل‌سازی پویا در تحلیل داده
  • 98. استفاده از Stan برای پروژه‌های تحقیقاتی
  • 99. راهنمایی برای پروژه‌های عملی با Stan
  • 100. منابع بیشتر برای یادگیری Stan

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.