سپنتا کتاب اکسپرس
کتاب بهینه‌سازی اجرای MCMC در Stan

کتاب بهینه‌سازی اجرای MCMC در 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

📚 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. مفاهیم پایه MCMC
  • 2. مقدمه ای بر نمونه‌گیری مارکوف چین مونت کارلو
  • 3. چرایی استفاده از MCMC
  • 4. انواع الگوریتم‌های MCMC
  • 5. محدودیت‌های MCMC سنتی
  • 6. هدف بهینه‌سازی اجرای MCMC
  • 7. مقدمه ای بر Stan
  • 8. زبان مدل‌سازی Stan
  • 9. مزایای Stan
  • 10. نصب و پیکربندی Stan
  • 11. نحوه نوشتن مدل‌های ساده در Stan
  • 12. اجرای مدل‌های پایه در Stan
  • 13. درک خروجی Stan
  • 14. مفاهیم پایه‌ی مدل‌سازی آماری
  • 15. توزیع احتمال پسین (Posterior Distribution)
  • 16. توزیع پیشین (Prior Distribution)
  • 17. قضیه بیز (Bayes' Theorem)
  • 18. مدل‌های خطی و تعمیم یافته
  • 19. مقدمه ای بر نمونه‌گیرهای MCMC در Stan
  • 20. نمونه‌گیر هامیلتونی (Hamiltonian Monte Carlo - HMC)
  • 21. پیاده‌سازی HMC در Stan
  • 22. مزایای HMC
  • 23. محدودیت‌های HMC
  • 24. مقدمه ای بر الگوریتم نمونه‌گیری با گام متغیر (No-U-Turn Sampler - NUTS)
  • 25. پیاده‌سازی NUTS در Stan
  • 26. مزایای NUTS
  • 27. محدودیت‌های NUTS
  • 28. مقایسه HMC و NUTS
  • 29. پارامترهای کلیدی نمونه‌گیرها در Stan
  • 30. تعداد مراحل زنجیره (Number of Chains)
  • 31. تعداد تکرارها (Number of Iterations)
  • 32. تعداد مراحل گرم کردن (Warm-up/Burn-in)
  • 33. تعداد نمونه‌های نهایی (Number of Posterior Samples)
  • 34. تنظیمات پیشرفته نمونه‌گیرها
  • 35. تنظیمات گام (Step Size) در HMC
  • 36. تنظیمات عمق (Number of Tree Levels) در NUTS
  • 37. تنظیمات تحمل (Tolerance) در NUTS
  • 38. استراتژی‌های تنظیم گام
  • 39. تنظیم خودکار گام
  • 40. تنظیم دستی گام
  • 41. تأثیر تنظیم گام بر همگرایی
  • 42. تشخیص و رفع مشکلات همگرایی
  • 43. متریک‌های همگرایی (Convergence Diagnostics)
  • 44. R-hat (Gelman-Rubin Statistic)
  • 45. Autocorrelation Plots
  • 46. Trace Plots
  • 47. Effective Sample Size (ESS)
  • 48. وب-سایت‌های تشخیص همگرایی
  • 49. مشکلات رایج در همگرایی
  • 50. همگرایی کند
  • 51. همگرایی کاذب
  • 52. شکست نمونه‌گیر
  • 53. راهکارهای رفع مشکلات همگرایی
  • 54. تغییر مدل
  • 55. تغییر پیشین‌ها (Priors)
  • 56. تنظیمات نمونه‌گیر
  • 57. افزایش تعداد تکرارها
  • 58. استفاده از نمونه‌گیرهای مختلف
  • 59. پیش‌بینی و تنظیم زمان اجرای MCMC
  • 60. برآورد زمان اجرا
  • 61. عوامل مؤثر بر زمان اجرا
  • 62. اندازه داده‌ها
  • 63. پیچیدگی مدل
  • 64. تنظیمات نمونه‌گیر
  • 65. بهینه‌سازی کد Stan
  • 66. نوشتن کد کارآمد در Stan
  • 67. استفاده از توابع آماده
  • 68. اجتناب از محاسبات تکراری
  • 69. بهینه‌سازی محاسبات ماتریسی
  • 70. بهینه‌سازی حلقه‌ها (Loops)
  • 71. استفاده از بردارها و آرایه‌ها
  • 72. استفاده از دستورات بهینه‌شده
  • 73. استفاده از توابع خاص برای عملیات احتمالی
  • 74. نکات پیشرفته در بهینه‌سازی کد
  • 75. تعریف متغیرهای کمکی (Auxiliary Variables)
  • 76. تجزیه مدل (Model Decomposition)
  • 77. استفاده از پارامترهای پیش‌بینی‌کننده (Reparameterization)
  • 78. تأثیر پارامترهای پیش‌بینی‌کننده بر همگرایی
  • 79. انواع پارامترهای پیش‌بینی‌کننده
  • 80. پارامترهای پیش‌بینی‌کننده برای مدل‌های خطی
  • 81. پارامترهای پیش‌بینی‌کننده برای مدل‌های سلسله مراتبی
  • 82. پیاده‌سازی پارامترهای پیش‌بینی‌کننده در Stan
  • 83. مدل‌سازی سلسله مراتبی و بهینه‌سازی
  • 84. چالش‌های MCMC در مدل‌های سلسله مراتبی
  • 85. بهینه‌سازی نمونه‌گیری در مدل‌های سلسله مراتبی
  • 86. استفاده از پارامترهای پیش‌بینی‌کننده در مدل‌های سلسله مراتبی
  • 87. مدل‌سازی داده‌های سری زمانی و بهینه‌سازی
  • 88. چالش‌های MCMC در داده‌های سری زمانی
  • 89. بهینه‌سازی نمونه‌گیری در داده‌های سری زمانی
  • 90. استفاده از مدل‌های خاص برای سری زمانی
  • 91. مدل‌سازی داده‌های فضایی و بهینه‌سازی
  • 92. چالش‌های MCMC در داده‌های فضایی
  • 93. بهینه‌سازی نمونه‌گیری در داده‌های فضایی
  • 94. استفاده از مدل‌های خاص برای داده‌های فضایی
  • 95. بهینه‌سازی اجرای MCMC با استفاده از سخت‌افزار
  • 96. استفاده از پردازنده‌های گرافیکی (GPU)
  • 97. پشتیبانی Stan از GPU
  • 98. نحوه فعال‌سازی GPU
  • 99. مزایا و محدودیت‌های استفاده از GPU
  • 100. استفاده از پردازنده‌های چند هسته‌ای (Multi-core CPUs)

📚 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.