اکسپرس 24
کتاب تکنیک‌های اعتبارسنجی نتایج MCMC در Stan

کتاب تکنیک‌های اعتبارسنجی نتایج MCMC در Stan

تگ‌ها: MCMC Stan آمار استنباطی آمار بیزی اعتبارسنجی مدل تحلیل آماری روش‌های مونت‌کارلو زنجیره مارکوف مدل‌سازی آماری نمونه‌گیری آماری

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 تکنیک‌های اعتبارسنجی نتایج MCMC در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر روش‌های مونت کارلو مارکوف زنجیره‌ای (MCMC)
  • 2. مروری بر زبان برنامه‌نویسی Stan
  • 3. نصب و راه‌اندازی Stan و محیط‌های توسعه
  • 4. ساختار یک مدل Stan
  • 5. انواع توابع توزیع احتمال در Stan
  • 6. تعریف مدل‌های احتمالی در Stan
  • 7. ورودی و خروجی داده‌ها در Stan
  • 8. تخمین پارامترها با استفاده از MCMC در Stan
  • 9. مفهوم فضای نمونه و همگرایی
  • 10. معیارهای ارزیابی همگرایی: R-hat
  • 11. معیارهای ارزیابی همگرایی: نشانگرهای اتوکورلاسیون
  • 12. معیارهای ارزیابی همگرایی: توزیع پسین
  • 13. بررسی بصری نتایج MCMC: نمودارهای ردیابی
  • 14. بررسی بصری نتایج MCMC: نمودارهای چگالی
  • 15. بررسی بصری نتایج MCMC: نمودارهای پراکندگی
  • 16. تشخیص مشکلات همگرایی: زنجیره‌های به هم پیوسته
  • 17. تشخیص مشکلات همگرایی: چندوجهی بودن
  • 18. تشخیص مشکلات همگرایی: عدم ترکیب
  • 19. روش‌های بهبود همگرایی: تنظیم پارامترهای نمونه‌برداری
  • 20. روش‌های بهبود همگرایی: تغییر مدل
  • 21. روش‌های بهبود همگرایی: تغییر داده‌ها
  • 22. استفاده از زنجیره‌های پیش‌تنظیم (Warmup Chains)
  • 23. اثر اندازه نمونه بر دقت تخمین‌ها
  • 24. مفهوم فاصله اطمینان قابل اعتماد (Credible Interval)
  • 25. محاسبه فواصل اطمینان قابل اعتماد در Stan
  • 26. مقایسه مدل‌ها با استفاده از معیار Bayes Factor
  • 27. اعتبارسنجی متقابل (Cross-Validation) در Stan
  • 28. تکنیک‌های کاهش واریانس نمونه‌برداری
  • 29. استفاده از الگوریتم‌های نمونه‌برداری پیشرفته
  • 30. مدل‌های سلسله مراتبی (Hierarchical Models) در Stan
  • 31. مدل‌سازی اثرات تصادفی در Stan
  • 32. مدل‌های خطی تعمیم‌یافته (Generalized Linear Models) در Stan
  • 33. مدل‌های رگرسیونی در Stan
  • 34. تحلیل بقا (Survival Analysis) در Stan
  • 35. مدل‌های زمانی (Time Series Models) در Stan
  • 36. مدل‌های بیزی برای داده‌های گسسته
  • 37. مدل‌سازی داده‌های شمارشی در Stan
  • 38. مدل‌سازی داده‌های دوتایی در Stan
  • 39. مدل‌سازی داده‌های ترتیبی در Stan
  • 40. اعتبارسنجی مدل‌های بیزی
  • 41. بررسی حساسیت مدل به پیشین‌ها (Priors)
  • 42. انتخاب پیشین‌های مناسب
  • 43. تفسیر نتایج مدل‌های بیزی
  • 44. ارائه نتایج مدل‌های بیزی به مخاطبان غیرمتخصص
  • 45. استفاده از Stan در R
  • 46. استفاده از Stan در Python
  • 47. یکپارچه‌سازی Stan با سایر ابزارهای آماری
  • 48. بهینه‌سازی عملکرد مدل‌های Stan
  • 49. اشکال‌زدایی مدل‌های Stan
  • 50. مستندسازی مدل‌های Stan
  • 51. کار با داده‌های بزرگ در Stan
  • 52. تکنیک‌های موازی‌سازی در Stan
  • 53. استفاده از Stan برای مدل‌سازی فضایی
  • 54. مدل‌سازی پنهان مارکوف (Hidden Markov Models) در Stan
  • 55. مدل‌های بیزی برای یادگیری ماشین
  • 56. اعتبارسنجی نتایج MCMC با استفاده از شبیه‌سازی
  • 57. تکنیک‌های تشخیص و اصلاح خطا در داده‌ها
  • 58. بررسی تاثیر داده‌های پرت بر نتایج MCMC
  • 59. مقدمه‌ای بر روش‌های تقریب بیزی
  • 60. روش‌های تقریب مونت کارلو توزیع اهمیت نمونه‌برداری (SMC)
  • 61. روش‌های تقریب واریانس بیزی
  • 62. استفاده از Stan برای تحلیل داده‌های پزشکی
  • 63. استفاده از Stan برای تحلیل داده‌های مالی
  • 64. استفاده از Stan برای تحلیل داده‌های زیست‌محیطی
  • 65. کاربرد Stan در علوم اجتماعی
  • 66. رویکردهای Bayesian برای داده‌های از دست رفته
  • 67. مدل‌سازی داده‌های پیچیده 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.