اکسپرس 24
کتاب استفاده از قدرت HMC و NUTS در زبان برنامه‌نویسی R و Stan

کتاب استفاده از قدرت HMC و NUTS در زبان برنامه‌نویسی R و Stan

تگ‌ها: HMC NUTS Stan آمار بیزی برنامه‌نویسی آماری تحلیل داده زبان R مدل‌سازی آماری نمونه‌گیری مونت‌کارلو

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 استفاده از قدرت HMC و NUTS در زبان برنامه‌نویسی R و Stan

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

موضوع میانی: نمونه‌گیری از طریق HMC و NUTS در Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مدل‌سازی سلسله مراتبی
  • 2. مفاهیم کلیدی مدل‌های سلسله مراتبی
  • 3. نظریه آماری پشت مدل‌های سلسله مراتبی
  • 4. معرفی بسته‌های R برای مدل‌سازی سلسله مراتبی
  • 5. بسته lme4 در R: کاربردها و مثال‌ها
  • 6. بسته nlme در R: کاربردها و مثال‌ها
  • 7. مدل‌های خطی تعمیم‌یافته مخلوط (GLMM)
  • 8. مدل‌های تعمیم‌یافته غیرخطی مخلوط (NLGLMM)
  • 9. ارزیابی برازش مدل‌های سلسله مراتبی
  • 10. تفسیر خروجی مدل‌های lme4 و nlme
  • 11. تشخیص و رفع مشکلات رایج در مدل‌سازی
  • 12. مقدمه‌ای بر Stan: زبان برنامه‌نویسی احتمالاتی
  • 13. نصب و پیکربندی Stan در R
  • 14. نوشتن اولین مدل Stan
  • 15. مفاهیم کلیدی در Stan: توابع احتمال، پارامترها، داده‌ها
  • 16. نمونه‌برداری زنجیره مارکوف مونت کارلو (MCMC) در Stan
  • 17. تشخیص همگرایی MCMC
  • 18. ارزیابی حساسیت مدل‌های Stan
  • 19. مقایسه مدل‌های مختلف در Stan
  • 20. استفاده از Stan برای مدل‌های سلسله مراتبی ساده
  • 21. مدل‌سازی اثرات تصادفی با Stan
  • 22. مدل‌سازی اثرات ثابت و متغیر با Stan
  • 23. مدل‌سازی داده‌های شمارشی با Stan
  • 24. مدل‌سازی داده‌های دودویی با Stan
  • 25. مدل‌سازی داده‌های زمان سری با Stan
  • 26. پیش‌بینی و اعتبارسنجی مدل‌های Stan
  • 27. ادغام Stan با R: استفاده از بسته rstan
  • 28. بسته‌های R برای تجزیه و تحلیل خروجی Stan
  • 29. مدل‌سازی داده‌های گمشده با Stan
  • 30. مدل‌سازی داده‌های نامتوازن با Stan
  • 31. استفاده از priors در Stan: انتخاب priors مناسب
  • 32. مدل‌سازی سلسله مراتبی با داده‌های مکانی
  • 33. مدل‌سازی سلسله مراتبی با داده‌های زمانی
  • 34. مدل‌سازی سلسله مراتبی با داده‌های گروهی
  • 35. استفاده از NUTS (No-U-Turn Sampler) در Stan
  • 36. بهینه‌سازی مدل‌های Stan
  • 37. مقایسه NUTS با روش‌های نمونه‌برداری دیگر
  • 38. کاربردهای NUTS در مدل‌سازی پیچیده
  • 39. مفاهیم پیشرفته در مدل‌سازی سلسله مراتبی
  • 40. مدل‌های سلسله مراتبی تعمیم‌یافته
  • 41. مدل‌های سلسله مراتبی بیزی
  • 42. مدل‌سازی چندمتغیره با Stan
  • 43. مدل‌سازی Bayesian Non-parametric با Stan
  • 44. نرم‌افزارهای جایگزین برای Stan و R
  • 45. مقایسه Stan با JAGS و OpenBUGS
  • 46. کاربردهای عملی مدل‌سازی سلسله مراتبی در علوم زیستی
  • 47. کاربردهای عملی مدل‌سازی سلسله مراتبی در علوم اجتماعی
  • 48. کاربردهای عملی مدل‌سازی سلسله مراتبی در مهندسی
  • 49. مقدمه‌ای بر مدل‌سازی Bayesian Network
  • 50. استفاده از مدل‌های سلسله مراتبی برای پیش‌بینی
  • 51. ملاحظات محاسباتی در مدل‌سازی سلسله مراتبی
  • 52. مدیریت داده‌های بزرگ در مدل‌سازی سلسله مراتبی
  • 53. انتخاب متغیرهای مناسب برای مدل‌سازی
  • 54. تفسیر نتایج مدل‌سازی سلسله مراتبی برای مخاطبان غیرمتخصص
  • 55. تکنیک‌های بصری‌سازی نتایج مدل‌سازی
  • 56. مستندسازی و گزارش نتایج مدل‌سازی
  • 57. اخلاق در مدل‌سازی آماری

📚 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.