کتاب رفع مشکلات رایج در مدل‌سازی با Stan

انتخاب پلن

افزودنی‌های اختیاری

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 رفع مشکلات رایج در مدل‌سازی با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مدل‌سازی آماری با Stan
  • 2. نصب و راه‌اندازی Stan و ابزارهای مرتبط
  • 3. آشنایی با زبان مدل‌سازی Stan
  • 4. انواع داده‌ها و توزیع‌های احتمال در Stan
  • 5. تعریف مدل‌های آماری ساده در Stan
  • 6. تخمین پارامترها با استفاده از روش‌های MCMC
  • 7. ارزیابی همگرایی زنجیره‌های MCMC
  • 8. پیش‌بینی و بررسی مدل
  • 9. مدل‌سازی رگرسیون خطی در Stan
  • 10. مدل‌سازی رگرسیون لجستیک در Stan
  • 11. مدل‌سازی ANOVA در Stan
  • 12. مدل‌سازی اثرات تصادفی در Stan
  • 13. مدل‌سازی مدل‌های سلسله مراتبی
  • 14. مدل‌سازی مدل‌های خطی تعمیم‌یافته (GLM)
  • 15. مدل‌سازی مدل‌های غیرخطی
  • 16. مدل‌سازی سری‌های زمانی
  • 17. مدل‌سازی داده‌های گسسته
  • 18. مدل‌سازی داده‌های از دست رفته
  • 19. استفاده از Priorهای اطلاع‌رسان و غیر اطلاع‌رسان
  • 20. انتخاب Prior مناسب برای مدل
  • 21. بررسی حساسیت مدل به Prior
  • 22. بهینه‌سازی مدل Stan برای سرعت و دقت
  • 23. اشکال‌زدایی مدل‌های Stan
  • 24. مدل‌سازی با داده‌های بزرگ در Stan
  • 25. استفاده از Stan با R
  • 26. استفاده از Stan با Python
  • 27. استفاده از Stan با Julia
  • 28. مقایسه Stan با سایر زبان‌های مدل‌سازی آماری
  • 29. مدل‌سازی Bayesian در علوم پزشکی
  • 30. مدل‌سازی Bayesian در علوم اجتماعی
  • 31. مدل‌سازی Bayesian در مهندسی
  • 32. مدل‌سازی Bayesian در اقتصاد
  • 33. مدل‌سازی Bayesian در علوم محیطی
  • 34. بررسی خروجی‌های Stan
  • 35. تفسیر پارامترهای مدل
  • 36. ارزیابی برازش مدل
  • 37. اعتبارسنجی مدل
  • 38. تشخیص مشکلات رایج در مدل‌سازی Stan
  • 39. روش‌های بهبود عملکرد مدل
  • 40. مستندسازی مدل‌های Stan
  • 41. به اشتراک‌گذاری مدل‌های Stan
  • 42. استفاده از کتابخانه‌های Stan
  • 43. مدل‌سازی Bayesian غیرپارامتری
  • 44. مدل‌سازی با توابع انتقال
  • 45. مدل‌سازی مدل‌های تغییر حالت
  • 46. مدل‌سازی مدل‌های پنهان مارکوف
  • 47. مدل‌سازی مدل‌های پویا
  • 48. استفاده از Stan برای شبیه‌سازی
  • 49. مدل‌سازی Bayesian چندمتغیره
  • 50. مدل‌سازی مدل‌های ترکیبی
  • 51. مدل‌سازی مدل‌های غیرمعمول
  • 52. مدل‌سازی با متغیرهای طبقه‌بندی
  • 53. مدل‌سازی با داده‌های سانسور شده
  • 54. مدل‌سازی با داده‌های ترانکیته
  • 55. مدل‌سازی مدل‌های بقا
  • 56. مدل‌سازی Bayesian در یادگیری ماشین
  • 57. مدل‌سازی Bayesian برای انتخاب ویژگی
  • 58. مدل‌سازی Bayesian برای خوشه‌بندی
  • 59. مدل‌سازی Bayesian برای طبقه‌بندی
  • 60. مدل‌سازی Bayesian برای رگرسیون
  • 61. استفاده از Stan برای تحلیل حساسیت
  • 62. مدل‌سازی Bayesian در کنترل کیفیت
  • 63. مدل‌سازی Bayesian در پیش‌بینی تقاضا
  • 64. مدل‌سازی Bayesian در مدیریت ریسک
  • 65. مدل‌سازی Bayesian در بهینه‌سازی
  • 66. مدل‌سازی Bayesian در تحلیل داده‌های مکانی
  • 67. مدل‌سازی Bayesian در تحلیل داده‌های زمانی-مکانی
  • 68. مفاهیم پیشرفته در مدل‌سازی Stan
  • 69. انتخاب الگوریتم نمونه‌برداری مناسب
  • 70. تنظیم پارامترهای الگوریتم MCMC
  • 71. مدل‌سازی Bayesian با استفاده از Stan و RStanARM
  • 72. درک و تفسیر توابع Posterior Predictive Check
  • 73. روش‌های ارزیابی و مقایسه مدل‌های Bayesian
  • 74. استفاده از Stan برای تحلیل داده‌های پانل
  • 75. مدل‌سازی Bayesian در علم داده
  • 76. مدل‌سازی Bayesian برای تحلیل سری‌های زمانی مالی
  • 77. مدل‌سازی Bayesian برای پیش‌بینی قیمت سهام

📚 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.