, ,

کتاب بهینه‌سازی و شبیه‌سازی مدل‌های بیزی در PyMC

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 و شبیه‌سازی مدل‌های بیزی در PyMC

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

موضوع میانی: فریم‌ورک PyMC

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر مدل های بیزی
  • 2. مبانی احتمال بیزی
  • 3. قضیه بیز
  • 4. توزیع های پیشین و پسین
  • 5. توزیع های احتمالی رایج (دیراک، گوسی، برنولی، دوجمله‌ای، پواسون، بتا، گاما، …)
  • 6. فرآیندهای تصادفی (گوسی، …)
  • 7. مدل های خطی بیزی
  • 8. مدل های رگرسیون بیزی
  • 9. مدل های طبقه‌بندی بیزی
  • 10. مدل های سری زمانی بیزی
  • 11. مدل های سلسله مراتبی بیزی
  • 12. مقدمه ای بر PyMC
  • 13. نصب PyMC
  • 14. محیط PyMC (Theano, Aesara)
  • 15. مفاهیم کلیدی در PyMC (Random Variables, Deterministic Variables, Distributions, Models)
  • 16. تعریف مدل های بیزی در PyMC
  • 17. تعریف متغیرهای تصادفی
  • 18. تعریف متغیرهای قطعی
  • 19. تعریف توزیع های پیشین
  • 20. تعریف توزیع های پسین
  • 21. ایجاد مدل های ساده در PyMC
  • 22. مثال: رگرسیون خطی ساده بیزی
  • 23. مثال: طبقه‌بندی برنولی بیزی
  • 24. مثال: رگرسیون لجستیک بیزی
  • 25. مثال: مدل پواسون بیزی
  • 26. مثال: مدل بتا-دوجمله‌ای بیزی
  • 27. شبیه‌سازی از مدل های بیزی
  • 28. روش های نمونه‌گیری MCMC (Markov Chain Monte Carlo)
  • 29. نمونه‌گیری Gibbs
  • 30. نمونه‌گیری Metropolis-Hastings
  • 31. HMC (Hamiltonian Monte Carlo)
  • 32. NUTS (No-U-Turn Sampler)
  • 33. پیاده سازی NUTS در PyMC
  • 34. تنظیمات نمونه‌گیری در PyMC
  • 35. تعداد زنجیره‌ها (Chains)
  • 36. تعداد تکرارها (Draws)
  • 37. تعداد گرم کردن (Warmup)
  • 38. تعداد تنبل‌سازی (Thinning)
  • 39. بررسی همگرایی مدل ها
  • 40. معیارهای همگرایی (Gelman-Rubin, R-hat, Effective Sample Size)
  • 41. تجسم نتایج شبیه‌سازی
  • 42. رسم هیستوگرام توزیع های پسین
  • 43. رسم نمودارهای تراکم (Density Plots)
  • 44. رسم نمودارهای زنجیره (Trace Plots)
  • 45. رسم نمودارهای خودهمبستگی (Autocorrelation Plots)
  • 46. رسم نمودارهای جعبه‌ای (Box Plots)
  • 47. رسم نمودارهای پخش (Scatter Plots)
  • 48. تحلیل نتایج شبیه‌سازی
  • 49. تفسیر توزیع های پسین
  • 50. محاسبه معیارهای خلاصه (میانگین، میانه، انحراف معیار، فواصل اطمینان)
  • 51. پیش‌بینی با مدل های بیزی
  • 52. محاسبه پیش‌بینی های نقطه ای
  • 53. محاسبه فواصل پیش‌بینی
  • 54. ارزیابی مدل های بیزی
  • 55. مقایسه مدل ها (WAIC, LOO-CV)
  • 56. بررسی کیفیت مدل
  • 57. اعتبارسنجی متقابل (Cross-validation)
  • 58. استفاده از داده های شبیه سازی شده برای ارزیابی (Posterior Predictive Checks)
  • 59. مدل های پیشرفته در PyMC
  • 60. مدل های خطی تعمیم یافته بیزی (Generalized Linear Models – GLMs)
  • 61. مدل های آماری مختلط (Mixed-effects Models)
  • 62. مدل های سری زمانی (AR, MA, ARIMA, GARCH)
  • 63. مدل های فضایی (Spatial Models)
  • 64. مدل های شبکه ای (Network Models)
  • 65. مدل های سلسله مراتبی چند سطحی (Multi-level Hierarchical Models)
  • 66. مدل های طول عمر (Survival Analysis)
  • 67. مدل های داده های گمشده (Missing Data Models)
  • 68. مدل های علّی (Causal Inference)
  • 69. مدل های یادگیری عمیق بیزی (Bayesian Deep Learning)
  • 70. مدل های هایبرید (Hybrid Models)
  • 71. بهینه‌سازی مدل های PyMC
  • 72. نکات مربوط به کارایی (Efficiency)
  • 73. استفاده از توزیع های مناسب
  • 74. انتخاب ساختار مدل
  • 75. تنظیمات نمونه‌گیری
  • 76. استفاده از قابلیت های Aesara
  • 77. اشکال زدایی (Debugging) مدل های PyMC
  • 78. روش های اشکال زدایی
  • 79. شناسایی مشکلات در تعریف مدل
  • 80. شناسایی مشکلات در نمونه‌گیری
  • 81. شناسایی مشکلات در تفسیر نتایج
  • 82. بهینه سازی کد PyMC
  • 83. نکات مربوط به خوانایی کد
  • 84. استفاده از توابع و کلاس ها
  • 85. مستندسازی کد
  • 86. کاربرد PyMC در حوزه های مختلف
  • 87. علوم داده (Data Science)
  • 88. یادگیری ماشین (Machine Learning)
  • 89. اقتصاد سنجی (Econometrics)
  • 90. زیست شناسی محاسباتی (Computational Biology)
  • 91. علوم اجتماعی (Social Sciences)
  • 92. علوم محیطی (Environmental Sciences)
  • 93. پزشکی (Medicine)
  • 94. مهندسی (Engineering)
  • 95. مالی (Finance)
  • 96. تجزیه و تحلیل داده های اکتشافی (Exploratory Data Analysis – EDA) با PyMC
  • 97. ساخت داشبوردهای تعاملی با PyMC (با استفاده از ابزارهایی مانند Streamlit, Dash)
  • 98. نکات پیشرفته در PyMC
  • 99. استفاده از توزیع های سفارشی (Custom Distributions)
  • 100. پیاده سازی توزیع های پیشین و پسین سفارشی

📚 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 و شبیه‌سازی مدل‌های بیزی در PyMC”

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

پیمایش به بالا