آموزش تجزیه و تحلیل‌های محاسباتی بیزی با R - آخرین آپدیت

دانلود Bayesian Computational Analyses with R

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

دوره آموزشی: تحلیل‌های محاسباتی بیزی با R

در این دوره جامع، با مفاهیم بیزی و جنبه‌های عملی به‌کارگیری رویکرد بیزی برای تخمین نتایج احتمالی رویدادها آشنا خواهید شد. با کسب تجربه‌ای کاربردی و عملی در ساخت و تخمین مدل‌های بیزی با استفاده از نرم‌افزار قدرتمند R، مهارت‌های خود را ارتقا دهید.

اهداف کلیدی یادگیری در این دوره:

  • آموزش مفاهیم بیزی و جنبه‌های عملی استفاده از رویکرد بیزی برای تخمین نتایج محتمل رویدادها.
  • درک عمیق اصول بیزی و کسب تجربه عملی گسترده در ایجاد و تخمین مدل‌های بیزی با استفاده از نرم‌افزار R.
  • توانایی مؤثر در به‌کارگیری رویکرد بیزی برای تخمین نتایج احتمالی رویدادها یا احتمالات، با استفاده از داده‌های خودتان.
  • اعمال طیف وسیعی از توابع بیزی با استفاده از نرم‌افزار R برای مدل‌سازی و تخمین مدل‌های بیزی تک‌پارامتری، چندپارامتری، ترکیبات مزدوج، چندجمله‌ای، و مدل‌های نمونه‌گیری رد و اهمیت (Rejection and Importance Sampling).
  • درک و به‌کارگیری هر دو مفهوم پیشایندهای پیش‌بینانه (Predictive Priors) و پسایندهای پیش‌بینانه (Predictive Posteriors) در کاربردهای بیزی.
  • توانایی مقایسه و ارزیابی مدل‌های بیزی جایگزین و رقابتی.

پیش‌نیازهای شرکت در دوره:

دانشجویان برای شرکت در این دوره نیاز به نصب نرم‌افزارهای R و RStudio دارند، اما دستورالعمل‌های کامل برای انجام این کار در مواد آموزشی دوره ارائه شده است. داشتن دانش پایه در آمار استنباطی و نظریه احتمالات مفید خواهد بود. تجربه قبلی با نرم‌افزار R ضروری نیست، اگرچه داشتن آن می‌تواند کمک‌کننده باشد.

معرفی دوره: تحلیل‌های محاسباتی بیزی با R

دوره «تحلیل‌های محاسباتی بیزی با R» یک آموزش مقدماتی در زمینه استفاده و پیاده‌سازی مدل‌سازی بیزی با کمک نرم‌افزار R است. رویکرد بیزی یک جایگزین نوین و قدرتمند برای رویکرد سنتی "فراوانی‌گرا" است؛ در رویکرد فراوانی‌گرا، تنها با یک نمونه از داده‌ها، استنباط‌هایی درباره پارامترهای احتمالی جامعه انجام می‌شود.

در مقابل، رویکرد بیزی هم از توابع درست‌نمایی و هم از یک نمونه از داده‌های مشاهده‌شده (که به آن 'پیشایند' یا 'Prior' گفته می‌شود) استفاده می‌کند تا محتمل‌ترین مقادیر و توزیع‌ها را برای پارامترهای تخمینی جامعه (که به آن 'پسایند' یا 'Posterior' گفته می‌شود) برآورد کند. این دوره برای هر فردی که علاقه‌مند به یادگیری مفاهیم بیزی است، بسیار مفید بوده و هم برای دانشجویان مبتدی و متوسط بیزی و هم برای متخصصان بیزی مناسب است.

این دوره هم از جنبه عملی و "دست به کار" (با مثال‌های متعدد و استفاده از اسکریپت‌های R و نرم‌افزار) و هم از جنبه مفهومی غنی است، زیرا مفاهیم بیزی را به تفصیل توضیح می‌دهد. تمامی مواد آموزشی، نرم‌افزار، اسکریپت‌های R، اسلایدها، تمرین‌ها و راه‌حل‌ها همراه با دوره ارائه می‌شوند.

ساختار و سرفصل‌های جامع دوره تحلیل محاسباتی بیزی با R:

دوره با یک بخش مقدماتی (شامل 12 درس ویدئویی) در مورد استفاده از R و «اسکریپت‌نویسی در R» آغاز می‌شود. هدف این بخش آشنایی کاربران، حتی مبتدیان، با RStudio و دستورات R است تا بتوانند به راحتی از R استفاده کنند.

  • بخش 2: معرفی قاعده بیز: با مثال‌هایی از پیشایندهای گسسته و بتا، پیشایندهای پیش‌بینانه و پسایندهای بتا در تخمین بیزی.
  • بخش 3: مدل‌های تک‌پارامتری بیزی: توضیح و نمایش کاربرد تخمین بیزی برای مدل‌های تک‌پارامتری، به عنوان مثال، زمانی که تنها به دنبال تخمین محتمل‌ترین مقدار یک میانگین یا یک انحراف معیار (نه هر دو) هستید.
  • بخش 4: ترکیبات مزدوج (Conjugate Mixtures): توضیح و نمایش استفاده از "ترکیبات مزدوج". اینها مدل‌های تک‌پارامتری هستند که شکل تابعی پیشایند و پسایند آنها مشابه است (مانند توزیع نرمال برای هر دو). "ترکیبات" به این معنی است که ممکن است بیش از یک مؤلفه برای توابع چگالی پیشایند یا پسایند وجود داشته باشد، که امکان آزمایش همزمان نظریه‌های رقابتی را فراهم می‌کند.
  • بخش 5: مدل‌های بیزی چندپارامتری: بررسی مدل‌های بیزی چندپارامتری که در آنها احتمال بیش از یک مقدار متغیر پسایند (مثلاً هر دو میانگین و انحراف معیار) تخمین زده می‌شود.
  • بخش 6: تخمین انتگرال‌ها در بیز: گسترش بحث بیزی با بررسی تخمین انتگرال‌ها برای برآورد یک احتمال.
  • بخش 7: نمونه‌گیری رد و اهمیت (Rejection and Importance Sampling): پوشش کاربرد رویکرد بیزی در روش‌های نمونه‌گیری رد و اهمیت.
  • بخش 8: مقایسه و اعتبارسنجی مدل‌های بیزی: بررسی مثال‌هایی از مقایسه و اعتبارسنجی مدل‌های بیزی.

سرفصل ها و درس ها

مقدمه‌ای بر دوره بیزین و نرم‌افزار R Introduction to Bayesian Course and to R Software

  • مقدمه‌ای بر تحلیل‌های محاسباتی بیزین با R Introduction to Bayesian Computational Analyses with R

  • مقدمه‌ای بر مطالب دوره Introduction to Course Materials

  • معرفی نرم‌افزار R (اسلایدها، بخش ۱) Introduction to R Software (slides, part 1)

  • معرفی نرم‌افزار R (اسلایدها، بخش ۲) Introduction to R Software (slides, part 2)

  • معرفی نرم‌افزار R (اسلایدها، بخش ۳) Introduction to R Software (slides, part 3)

  • معرفی نرم‌افزار R با اسکریپت‌ها (بخش ۱) Introduction to R Software with Scripts (part 1)

  • معرفی نرم‌افزار R با اسکریپت‌ها (بخش ۲) Introduction to R Software with Scripts (part 2)

  • معرفی نرم‌افزار R با اسکریپت‌ها (بخش ۳) Introduction to R Software with Scripts (part 3)

  • معرفی نرم‌افزار R با اسکریپت‌ها (بخش ۴) Introduction to R Software with Scripts (part 4)

  • معرفی نرم‌افزار R با اسکریپت‌ها (بخش ۵) Introduction to R Software with Scripts (part 5)

  • برنامه‌نویسی یک شبیه‌سازی مونت کارلو Programming a Monte Carlo Simulation

  • تمرینات اسکریپت‌نویسی R بخش ۱ Section 1 R Scripting Exercises

مقدمه‌ای بر تفکر بیزین Introduction to Bayesian Thinking

  • توضیحات بیشتر درباره دوره و مطالب More on the Course and Materials

  • راه‌حل‌های تمرینات اسکریپت‌نویسی R جلسه ۱ Session 1 R Scripting Exercise Solutions

  • پیش‌زمینه‌ای بر توابع چگالی احتمال (PDFs) Background on Probability Density Functions (PDFs)

  • توابع نرمال dnorm() (بخش ۱) Normal dnorm() Functions (part 1)

  • توابع نرمال dnorm() (بخش ۲) Normal dnorm() Functions (part 2)

  • تابع نرمال pnorm() Normal pnorm() Function

  • قاعده بیز و موارد بیشتر Bayes' Rule and More

  • تابع درست‌نمایی Likelihood Function

  • استفاده از پیشایندهای گسسته (بخش ۱) Using Discrete Priors (part 1)

  • استفاده از پیشایندهای گسسته (بخش ۲) Using Discrete Priors (part 2)

  • استفاده از پیشایند بتا (بخش ۱) Using a Beta Prior (part 1)

  • استفاده از پیشایند بتا (بخش ۲) Using a Beta Prior (part 2)

  • استفاده از پیشایند بتا (بخش ۳) Using a Beta Prior (part 3)

  • شبیه‌سازی پسین‌های بتا Simulating Beta Posteriors

  • شبیه‌سازی پسین با روش بروت فورس با استفاده از پیشایند هیستوگرام Brute Force Posterior Simulation using Histogram Prior

  • پیشایندهای پیش‌بینی‌کننده (اسلایدها) Predictive Priors (slides)

  • پیشایندهای پیش‌بینی‌کننده (اسکریپت‌ها، بخش ۱) Predictive Priors (scripts, part 1)

  • پیشایندهای پیش‌بینی‌کننده (اسکریپت‌ها، بخش ۲) Predictive Priors (scripts, part 2)

  • تمرینات بخش ۲ Section 2 Exercises

مدل‌های بیزین تک‌پارامتره Single Parameter Bayesian Models

  • راه‌حل تمرین بخش ۲ Section 2 Exercise Solution

  • پیش‌درآمدی بر مدل‌های تک‌پارامتره Prelude to Single Parameter Models

  • مدل‌های تک‌پارامتره Single Parameter Models

  • نرخ مرگ و میر پیوند قلب (بخش ۱) Heart Transplant Mortality Rate (part 1)

  • نرخ مرگ و میر پیوند قلب (بخش ۲) Heart Transplant Mortality Rate (part 2)

  • آزمون پایداری بیزین (بخش ۱) Test of Bayesian Robustness (part 1)

  • آزمون پایداری بیزین (بخش ۲) Test of Bayesian Robustness (part 2)

  • تمرین: چند تاکسی؟ Exercise: How Many Taxis?

آمیخته‌های مزدوج Conjugate Mixtures

  • راه‌حل تمرین: چند تاکسی؟ Exercise Solution: How Many Taxis?

  • آمیخته‌های مزدوج (بخش ۱) Conjugate Mixtures (part 1)

  • آمیخته‌های مزدوج (بخش ۲) Conjugate Mixtures (part 2)

  • یک آزمون بیزین برای عدالت سکه (بخش ۱) A Bayesian Test of the Fairness of a Coin (part 1)

  • یک آزمون بیزین برای عدالت سکه (بخش ۲) A Bayesian Test of the Fairness of a Coin (part 2)

  • توضیحات بیشتر درباره عدالت سکه (بخش ۳) More on the Fairness of a Coin (part 3)

  • مقدمه‌ای بر توابع چگالی احتمال (بخش ۱) Introduction to Probability Density Functions (part 1)

  • مقدمه‌ای بر PDFها (بخش ۲) Intro to PDFs (part 2)

  • مقدمه‌ای بر PDFها (بخش ۳) Intro to PDFs (part 3)

مدل‌های بیزین چندپارامتره Multi-Parameter Bayesian Models

  • راه‌حل تمرین نرخ مرگ و میر (بخش ۱) Mortality Rate Exercise Solution (part 1)

  • راه‌حل تمرین نرخ مرگ و میر (بخش ۲) Mortality Rate Exercise Solution (part 2)

  • مدل‌های نرمال چندپارامتره (بخش ۱) Normal Multiparameter Models (part 1)

  • مدل‌های نرمال چندپارامتره (بخش ۲) Normal Multiparameter Models (part 2)

  • مدل‌های نرمال چندپارامتره (بخش ۳) Normal Multiparameter Models (part 3)

  • مدل‌های چندجمله‌ای چندپارامتره (بخش ۱) Multinomial Multiparameter Models (part 1)

  • مدل‌های چندجمله‌ای چندپارامتره (بخش ۲) Multinomial Multiparameter Models (part 2)

  • آزمایش بیو‌اسِی (بخش ۱) Bioassay Experiment (part 1)

  • آزمایش بیو‌اسِی (بخش ۲) Bioassay Experiment (part 2)

  • تمرین: مقایسه دو نسبت Exercise: Comparing Two Proportions

محاسبات بیزین Bayesian Computation

  • راه‌حل تمرین: مقایسه دو نسبت (بخش ۱) Exercise Solution: Comparing Two Proportions (part 1)

  • راه‌حل تمرین: مقایسه دو نسبت (بخش ۲) Exercise Solution: Comparing Two Proportions (part 2)

  • مقدمه‌ای بر بخش محاسبات بیزین Introduction to Bayesian Computation Section

  • محاسبه انتگرال‌ها برای برآورد احتمال (بخش ۱) Computing Integrals to Estimate a Probability (part 1)

  • محاسبه انتگرال‌ها برای برآورد احتمال (بخش ۲) Computing Integrals to Estimate a Probability (part 2)

  • یک مدل بتا-دوجمله‌ای از پراکندگی بیش از حد (بخش ۱) A Beta-Binomial Model of Overdispersion (part 1)

  • یک مدل بتا-دوجمله‌ای از پراکندگی بیش از حد (بخش ۲) A Beta-Binomial Model of Overdispersion (part 2)

  • تمرین: استنتاج درباره جامعه نرمال Exercise: Inference About a Normal Population

نمونه‌برداری رد و نمونه‌برداری اهمیت Rejection and Importance Sampling

  • راه‌حل تمرین: استنتاج درباره جامعه نرمال Exercise Solution: Inference about a Normal Population

  • نمونه‌برداری رد (بخش ۱) Rejection Sampling (part 1)

  • نمونه‌برداری رد (بخش ۲) Rejection Sampling (part 2)

  • نمونه‌برداری رد (بخش ۳) Rejection Sampling (part 3)

  • نمونه‌برداری رد (بخش ۴) Rejection Sampling (part 4)

  • نمونه‌برداری رد (بخش ۵) Rejection Sampling (part 5)

  • نمونه‌برداری رد (بخش ۶) Rejection Sampling (part 6)

  • نمونه‌برداری اهمیت Importance Sampling

مقایسه مدل‌های بیزین Comparing Bayesian Models

  • آزمون یک‌طرفه میانگین نرمال (بخش ۱) One-Sided Test of a Normal Mean (part 1)

  • آزمون یک‌طرفه میانگین نرمال (بخش ۲) One-Sided Test of a Normal Mean (part 2)

  • آزمون یک‌طرفه میانگین نرمال (بخش ۳) One-Sided Test of a Normal Mean (part 3)

  • آزمون دوطرفه میانگین نرمال Two-Sided Test of a Normal Mean

  • رفتار دنباله‌دار (بخش ۱) Streaky Behavior (part 1)

  • رفتار دنباله‌دار (بخش ۲) Streaky Behavior (part 2)

  • رفتار دنباله‌دار (بخش ۳) Streaky Behavior (part 3)

  • رفتار دنباله‌دار (بخش ۴) Streaky Behavior (part 4)

نمایش نظرات

آموزش تجزیه و تحلیل‌های محاسباتی بیزی با R
جزییات دوره
11.5 hours
82
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
4,104
4.1 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Geoffrey Hubona, Ph.D. Geoffrey Hubona, Ph.D.

دانشیار سیستم های اطلاعاتی دکتر جفری هوبونا از سال 1993 در 4 دانشگاه بزرگ ایالتی در ایالات متحده دوره های تصدی تمام مدت و استعفا ، استادیار و دانشیار را حفظ کرده است. در حال حاضر ، وی دانشیار MIS در دانشگاه بین المللی A&M تگزاس است که برای آن تدریس می کند دوره های اعتباری در تجسم داده های تجاری (دوره کارشناسی) ، برنامه نویسی پیشرفته با استفاده از R (فارغ التحصیل) و داده کاوی و تجزیه و تحلیل تجارت (فارغ التحصیل). در سمت های قبلی دانشکده دانشگاهی ، او ده ها آماره مختلف ، سیستم های اطلاعات کسب و کار و دوره های علوم کامپیوتر را در مقطع کارشناسی ، کارشناسی ارشد و دکتری تدریس کرد. دانش آموزان. وی دکترای خود را کسب کرد. در رشته مدیریت بازرگانی (سیستم های اطلاعاتی و علوم کامپیوتر) از دانشگاه فلوریدا جنوبی (USF) در تامپا ، فلوریدا. کارشناسی ارشد اقتصاد ، همچنین از USF. MBA در رشته مالی از دانشگاه جورج میسون در فیرفکس ، VA ؛ و لیسانس روانشناسی از دانشگاه ویرجینیا در شارلوتسویل ، VA. او بنیانگذار مدرسه جورجیا R (2010-2014) و R-Courseware (2014 تا کنون) ، سازمان های آموزشی آنلاین است که روش های تحقیق و تکنیک های تجزیه و تحلیل کمی را آموزش می دهند. این تکنیک های روش تحقیق شامل مدلسازی خطی و غیرخطی ، روش های چند متغیره ، داده کاوی ، برنامه نویسی و شبیه سازی و مدل سازی معادلات ساختاری و مدل حداقل مربعات جزئی (PLS) است.