اکسپرس 24
کتاب کاربردهای عملی MCMC در Stan

کتاب کاربردهای عملی MCMC در Stan

تگ‌ها: Bayesian Inference Bayesian Statistics CmdStan Hamiltonian Monte Carlo Hierarchical Models MCMC Posterior Diagnostics PyStan RStan 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 کاربردهای عملی MCMC در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مروری بر آمار بیزی و جایگاه MCMC در استنتاج بیزی
  • 2. الگوریتم‌های MCMC: Metropolis-Hastings، Gibbs و Hamiltonian Monte Carlo
  • 3. نصب و راه‌اندازی محیط Stan (RStan، CmdStan و PyStan)
  • 4. ساختار کلی برنامه Stan: بلوک‌های data، parameters، model و generated quantities
  • 5. انواع داده و پارامتر در Stan
  • 6. نوشتن اولین مدل بیزی در Stan
  • 7. انتخاب و تعیین توزیع‌های پیشین (Prior) در Stan
  • 8. کار با توزیع‌های نرمال، پواسون، دوجمله‌ای و نمایی در Stan
  • 9. رگرسیون خطی بیزی با MCMC در Stan
  • 10. رگرسیون لجستیک بیزی در Stan
  • 11. مدل‌های خطی عمومی (GLM) در Stan
  • 12. رگرسیون چندسطحی (Hierarchical) در Stan
  • 13. non-centered parameterization برای مدل‌های سلسله‌مراتبی در Stan
  • 14. مدل‌سازی داده‌های چپ‌کمانی و راست‌کمانی (Censored/Truncated) در Stan
  • 15. مدل‌های مخلوط (Mixture Models) در Stan
  • 16. مدل‌سازی بقا (Survival Analysis) در Stan
  • 17. مدل‌های فضای حالت (State Space Models) در Stan
  • 18. زنجیره‌های مارکوف پنهان (HMM) در Stan
  • 19. مدل‌سازی سری‌های زمانی (AR و GARCH) در Stan
  • 20. مدل‌سازی مکان-زمانی (Space-Time) در Stan
  • 21. مدل‌های پاسخ به سؤال (Item Response Theory) در Stan
  • 22. مدل‌های گرافیکال و شبکه‌ای در Stan
  • 23. استفاده از توزیع‌های Student-t و Cauchy برای مدل‌های مقاوم
  • 24. تعریف توابع سفارشی و استفاده از حلقه‌ها در Stan
  • 25. مدل‌سازی با پارامترهای بُعد بالا در Stan
  • 26. آشنایی با موتور نمونه‌گیری NUTS در Stan
  • 27. تنظیم step size و max_treedepth در Stan
  • 28. تشخیص و رفع divergences در نمونه‌گیری MCMC
  • 29. تشخیص و رفع مشکلات های‌لاینه (HMC) و funnel
  • 30. اجرای چندین زنجیره (Multiple Chains) و تنظیمات بهینه آن‌ها
  • 31. ارزیابی همگرایی: R-hat و n_eff
  • 32. تحلیل trace plots و posterior plots برای تشخیصی
  • 33. reparameterization و تغییر متغیر برای بهبود نمونه‌گیری
  • 34. تحلیل حساسیت توزیع پیشین (Prior Sensitivity Analysis)
  • 35. پیش‌بررسی پس‌توزیع (Posterior Predictive Check) در Stan
  • 36. مقایسه مدل‌ها با WAIC و LOO-CV در Stan
  • 37. خلاصه‌سازی و استخراج نتایج از پس‌توزیع در Stan
  • 38. تولید گزارش‌های آماری و گرافیکی از مدل‌های Stan
  • 39. Variational Inference و بهینه‌سازی بیزی در Stan
  • 40. مقایسه عملی MCMC و Variational Inference در Stan
  • 41. کار با CmdStan: اجرا، دیباگ و بهینه‌سازی از خط فرمان
  • 42. استفاده از PyStan در محیط پایتون
  • 43. یکپارچه‌سازی مدل‌های Stan در جریان کار R و پایتون
  • 44. مدل‌های بیزی غیرپارامتریک در Stan (فرایند دیریکله)
  • 45. مدل‌سازی با فرایند گاوسی (Gaussian Process) در Stan
  • 46. بهینه‌سازی سرعت اجرای مدل‌های Stan
  • 47. اجرای موازی زنجیره‌ها و استفاده از GPU در Stan
  • 48. مدل‌سازی با داده‌های ناقص (Missing Data) در Stan
  • 49. مدل‌سازی با روش Approximate Bayesian Computation (ABC) در Stan
  • 50. مدل‌میانگینی بیزی (Bayesian Model Averaging) در Stan
  • 51. مدل‌های پویای بیزی (Dynamic Linear Models) در Stan
  • 52. مدل‌سازی با داده‌های اسپارس (Sparse) در Stan
  • 53. مدل‌سازی همزمان چند پاسخ (Multivariate Response) در Stan
  • 54. مدل‌های بیزی مکان مشترک (Joint Models) در Stan
  • 55. مدل‌سازی با توزیع‌های چندجمله‌ای و بینهایدی در Stan
  • 56. اعتبارسنجی متقاطع مدل‌های بیزی در Stan
  • 57. ابزارهای تشخیصی پیشرفته و بسته‌های کمکی Stan
  • 58. مدل‌سازی با ورودی‌های تصویری و بُعد بالا در Stan
  • 59. کار با داده‌های بزرگ و استراتژی‌های نمونه‌گیری در Stan
  • 60. بهترین شیوه‌های عملی مدل‌سازی بیزی در 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.