اکسپرس 24
کتاب راهنمای جامع برای مدل‌سازی با Stan

کتاب راهنمای جامع برای مدل‌سازی با Stan

تگ‌ها: Bayesian Statistics CmdStan MCMC Sampling Posterior Predictive Checks RStan Stan Modeling آمار بیزی الگوریتم NUTS تحلیل پسین زبان استن مدل‌سازی آماری مدل‌سازی با استن مدل‌های سلسله‌مراتبی نمونه‌گیری مونت‌کارلو همگرایی زنجیره‌ها

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 راهنمای جامع برای مدل‌سازی با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر آمار بیزی و جایگاه زبان Stan در مدل‌سازی probabilistic
  • 2. آشنایی با ساختار فایل‌های Stan و بلوک‌های اصلی آن
  • 3. نصب و راه‌اندازی Stan در محیط‌های R و Python
  • 4. آشنایی با زبان برنامه‌نویسی Stan و انواع داده‌ها (Data Types)
  • 5. تعریف متغیرها، پارامترها و بلوک data و transformed data
  • 6. نوشتن توابع احتمال پیشین (Prior) در بلوک parameters
  • 7. تعریف مدل‌های آماری در بلوک model با استفاده از نمادگذاری ~
  • 8. محاسبات جبری و متغیرهای تبدیلی در بلوک transformed parameters
  • 9. استخراج مقادیر پسین و محاسبات نهایی در بلوک generated quantities
  • 10. آشنایی با الگوریتم نمونه‌گیری HMC (Hamiltonian Monte Carlo) و NUTS در Stan
  • 11. مفاهیم پایه نمونه‌گیری مونت‌کارلو مارکوف (MCMC) در استنتاج بیزی
  • 12. نحوه کامپایل و اجرای مدل‌ها با توابع rstan یا CmdStanPy
  • 13. بررسی و تنظیم پارامترهای کنترل نمونه‌گیری مثل warmup و iterations
  • 14. مدیریت زنجیره‌های چندگانه (Multiple Chains) و همگرایی آن‌ها
  • 15. تحلیل تشخیصی همگرایی زنجیره‌ها با شاخص R-hat
  • 16. بررسی اندازه نمونه مؤثر (Effective Sample Size - ESS) در خروجی Stan
  • 17. شناسایی و مدیریت واگرایی‌ها (Divergent Transitions) در الگوریتم NUTS
  • 18. تشخیص خطاهای درخت حداکثر عمق (Max Treedepth Exceeded) در Stan
  • 19. بررسی انرژی بی-متروپلیس و نمودارهای تشخیصی انرژی (Energy Plots)
  • 20. تنظیم پارامترهای آداپتیو مثل adapt_delta برای رفع واگرایی‌ها
  • 21. استفاده از Step Size و Mass Matrix در بهینه‌سازی نمونه‌گیری Stan
  • 22. مدل‌سازی رگرسیون خطی ساده و چندگانه در Stan
  • 23. برازش مدل‌های رگرسیون لجستیک و داده‌های برنولی
  • 24. مدل‌سازی توزیع‌های پواسون و داده‌های شمارشی
  • 25. کار با توزیع‌های پیشین پهن، آموزنده و تنظیم‌گر (Regularizing Priors)
  • 26. بررسی مدل‌های هیرارشیک (Hierarchical Models) و ساختارهای چندسطحی
  • 27. اعمال اثرات تصادفی و ثابت در مدل‌های سلسله‌مراتبی Stan
  • 28. مدل‌سازی داده‌های سری زمانی با Stan
  • 29. مدل‌های فضای حالت (State Space Models) در استنتاج بیزی
  • 30. مدل‌های آمیخته (Mixture Models) و خوشه‌بندی بیزی در Stan
  • 31. تحلیل بقا و مدل‌سازی داده‌های سانسور شده با Stan
  • 32. استفاده از توابع تعریف‌شده توسط کاربر (User-Defined Functions) در Stan
  • 33. بهینه‌سازی و سرعت‌بخشی به کدهای Stan با استفاده از جبر خطی بهینه
  • 34. موازی‌سازی اجرای زنجیره‌ها در سیستم‌های چند هسته‌ای
  • 35. بررسی و رفع خطاهای رایج سینتکسی و ریاضی در کدهای Stan
  • 36. استفاده از بسته‌های جانبی مانند rstanarm و brms به عنوان میانبر برای Stan
  • 37. مقایسه مدل‌ها با معیارهای LOO-CV و WAIC با استفاده از پکیج loo
  • 38. تحلیل پیشین پسین (Prior Predictive Checks) برای ارزیابی پیش‌فرض‌ها
  • 39. تحلیل پسین پسین (Posterior Predictive Checks) برای اعتبارسنجی مدل
  • 40. مدیریت مقادیر گم‌شده (Missing Data) در مدل‌سازی Stan
  • 41. پروژه عملی اول: پیاده‌سازی و عیب‌یابی یک مدل رگرسیون هیرارشیک پیچیده
  • 42. پروژه عملی دوم: تحلیل پیشرفته یک مدل بیزی واقعی از داده‌های اقتصادی یا پزشکی با 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.