, ,

کتاب بهینه‌سازی اجرای MCMC در Stan

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.

📚 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

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب بهینه‌سازی اجرای MCMC در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر MCMC و Stan
  • 2. مفاهیم پایه MCMC
  • 3. روش های نمونه برداری MCMC
  • 4. الگوریتم های MCMC رایج (Gibbs, Metropolis-Hastings)
  • 5. محدودیت های MCMC سنتی
  • 6. چرا به بهینه سازی نیاز داریم؟
  • 7. معرفی Stan
  • 8. زبان مدل سازی Stan
  • 9. نحوه کامپایل و اجرای مدل ها در Stan
  • 10. ساختار پایه ای یک مدل Stan
  • 11. مفهوم "نمونه گیری" در Stan
  • 12. آشنایی با زنجیره های مارکوف
  • 13. هدف از بهینه سازی اجرای MCMC
  • 14. اهمیت کارایی در محاسبات MCMC
  • 15. چالش های اجرای MCMC در مقیاس بزرگ
  • 16. انواع بهینه سازی ها: الگوریتمی، پیاده سازی، سخت افزاری
  • 17. مقدمه ای بر الگوریتم های نمونه برداری پیشرفته در Stan
  • 18. HMC (Hamiltonian Monte Carlo)
  • 19. NUTS (No-U-Turn Sampler)
  • 20. مزایای HMC و NUTS نسبت به MCMC سنتی
  • 21. نحوه عملکرد HMC (شبیه سازی دینامیکی)
  • 22. نحوه عملکرد NUTS (پیدا کردن مسیر بهینه)
  • 23. تنظیم پارامترهای NUTS
  • 24. مقایسه NUTS با الگوریتم های دیگر
  • 25. استفاده از پارامترهای پیش فرض NUTS
  • 26. بهینه سازی های مرتبط با مدل در Stan
  • 27. ساختار مدل و تاثیر آن بر کارایی
  • 28. انتخاب توزیع های پیشین مناسب
  • 29. تأثیر توزیع های پیشین بر همگرایی
  • 30. استفاده از توزیع های پیشین غیرمتمرکز
  • 31. تأثیر توزیع های پیشین متمرکز
  • 32. تبدیلات متغیر برای ساده سازی مدل
  • 33. استفاده از پارامترهای پنهان (latent variables)
  • 34. مدل های سلسله مراتبی و پیچیدگی آنها
  • 35. نحوه مدل سازی صحیح مدل های سلسله مراتبی
  • 36. بهینه سازی در تعریف تابع درستنمایی (likelihood)
  • 37. ساده سازی محاسبات تابع درستنمایی
  • 38. استفاده از توابع کمکی (helper functions)
  • 39. جلوگیری از محاسبات تکراری
  • 40. اهمیت گسسته یا پیوسته بودن متغیرها
  • 41. مدل سازی متغیرهای گسسته در Stan
  • 42. استفاده از توابع گسسته در Stan
  • 43. تأثیر نوع متغیرها بر الگوریتم نمونه برداری
  • 44. استفاده از توابع پروب در Stan
  • 45. بهینه سازی های مرتبط با پارامترهای الگوریتم در Stan
  • 46. تنظیم تعداد گام های HMC (stepsize)
  • 47. تنظیم تعداد گام های NUTS (max_treedepth)
  • 48. تنظیم تعداد نخ های پردازشی (chains)
  • 49. تنظیم تعداد نمونه های پس از همگرایی (warmup)
  • 50. تنظیم تعداد نمونه های نهایی (iter)
  • 51. تنظیم نرخ پذیرش (acceptance rate)
  • 52. چگونه نرخ پذیرش مطلوب را تعیین کنیم؟
  • 53. تأثیر نرخ پذیرش بر همگرایی
  • 54. تنظیم پارامترهای مربوط به متغیرهای پنهان
  • 55. بهینه سازی های مرتبط با داده ها
  • 56. اندازه مجموعه داده و تأثیر آن بر زمان اجرا
  • 57. پیش پردازش داده ها
  • 58. پاکسازی داده ها
  • 59. استانداردسازی داده ها
  • 60. نرمال سازی داده ها
  • 61. استفاده از داده های نمونه (subsampling)
  • 62. تأثیر اندازه نمونه بر نتایج
  • 63. فیلتر کردن داده های پرت (outliers)
  • 64. مدل سازی داده های حجیم
  • 65. فشرده سازی داده ها
  • 66. استفاده از فرمت های داده ای کارآمد
  • 67. بهینه سازی های مرتبط با پیاده سازی و کد Stan
  • 68. نوشتن کد Stan خوانا و قابل نگهداری
  • 69. استفاده از دستورات شرطی (if/else)
  • 70. استفاده از حلقه ها (for loops)
  • 71. بهینه سازی استفاده از حلقه ها
  • 72. توابع برداری (vectorization) در Stan
  • 73. مزایای توابع برداری
  • 74. نحوه پیاده سازی توابع برداری
  • 75. استفاده از بلوک های `transformed parameters` و `generated quantities`
  • 76. بهینه سازی محاسبات در بلوک `generated quantities`
  • 77. جلوگیری از محاسبات غیرضروری
  • 78. استفاده از توابع داخلی Stan
  • 79. معرفی توابع داخلی مفید
  • 80. استفاده از توابع آماری در Stan
  • 81. استفاده از توابع ریاضی در Stan
  • 82. بهینه سازی های مرتبط با محیط اجرا
  • 83. انتخاب کامپایلر مناسب برای Stan
  • 84. نحوه نصب و پیکربندی کامپایلر
  • 85. استفاده از C++ برای بهینه سازی های پیشرفته
  • 86. ارتباط Stan با زبان های دیگر (R, Python)
  • 87. استفاده از بسته های کمکی برای Stan
  • 88. بهینه سازی اجرای موازی (parallel execution)
  • 89. تنظیم تعداد نخ های پردازشی (threads)
  • 90. استفاده از GPU برای محاسبات MCMC
  • 91. نحوه فعال سازی پشتیبانی از GPU در Stan
  • 92. مزایا و معایب استفاده از GPU
  • 93. بهینه سازی های مرتبط با تشخیص و رفع مشکلات
  • 94. تشخیص عدم همگرایی (non-convergence)
  • 95. معیارهای همگرایی (trace plots, R-hat, ESS)
  • 96. تفسیر trace plots
  • 97. مفهوم R-hat و نحوه محاسبه آن
  • 98. مفهوم ESS (Effective Sample Size)
  • 99. افزایش ESS
  • 100. تشخیص و رفع مشکلات مربوط به نرخ پذیرش

📚 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

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب بهینه‌سازی اجرای MCMC در Stan”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پیمایش به بالا