کتاب HMC و NUTS: پیاده‌سازی و تفسیر نتایج در Stan
, ,

کتاب HMC و NUTS: پیاده‌سازی و تفسیر نتایج در Stan

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000026444 دسته: , , برچسب: , , , , , , , , , , , , , ,

📚 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 HMC و NUTS: پیاده‌سازی و تفسیر نتایج در Stan

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

موضوع میانی: نمونه‌گیری از طریق HMC و NUTS در Stan

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه به مدل‌سازی آماری بیزی
  • 2. مقدمه به مفاهیم زنجیره مارکوف مونت کارلو (MCMC)
  • 3. مقدمه به نمونه‌برداری از پسین
  • 4. مفاهیم اساسی در Stan
  • 5. نصب و راه‌اندازی Stan
  • 6. ساختار زبان Stan
  • 7. تعریف مدل‌های احتمالی در Stan
  • 8. تابع درست‌نمایی (Likelihood)
  • 9. تابع پیشین (Prior)
  • 10. تابع پسین (Posterior)
  • 11. انتگرال‌گیری عددی در مدل‌های بیزی
  • 12. نیاز به روش‌های نمونه‌برداری
  • 13. مقدمه به نمونه‌گیری از طریق رد (Rejection Sampling)
  • 14. مقدمه به نمونه‌گیری از اهمیت (Importance Sampling)
  • 15. مقدمه به روش‌های MCMC
  • 16. مقدمه به زنجیره‌های مارکوف
  • 17. خاصیت مارکوف
  • 18. توزیع پایدار
  • 19. مقدمه به الگوریتم Metropolis-Hastings
  • 20. الگوریتم Metropolis
  • 21. الگوریتم Metropolis-Hastings
  • 22. انتخاب گام (Proposal) در Metropolis-Hastings
  • 23. همگرایی در Metropolis-Hastings
  • 24. مقدمه به نمونه‌گیری از طریق گیبس (Gibbs Sampling)
  • 25. الگوریتم گیبس
  • 26. مزایا و معایب گیبس سمپلینگ
  • 27. مقایسه Metropolis-Hastings و گیبس سمپلینگ
  • 28. مقدمه به مفاهیم پیشرفته MCMC
  • 29. تشخیص همگرایی در MCMC
  • 30. معیارهای همگرایی (Gelman-Rubin, R-hat)
  • 31. بررسی اتوکورلاسیون (Autocorrelation)
  • 32. طراحی گام (Step Size) بهینه
  • 33. کاهش وابستگی سریالی (Serial Correlation)
  • 34. افزایش کارایی نمونه‌برداری
  • 35. مقدمه به نمونه‌گیری از گرادیان (Gradient-based Sampling)
  • 36. مقدمه به دینامیک هامیلتونی (Hamiltonian Dynamics)
  • 37. معادلات دینامیک هامیلتونی
  • 38. انرژی پتانسیل و انرژی جنبشی
  • 39. قانون پایستگی انرژی
  • 40. مقدمه به الگوریتم انتگرال‌گیری هامیلتونی (HMC)
  • 41. تفاوت HMC با سایر روش‌های MCMC
  • 42. مراحل الگوریتم HMC
  • 43. انتخاب تعداد گام‌های شبیه‌سازی (Leapfrog Steps)
  • 44. انتخاب اندازه گام (Leapfrog Step Size)
  • 45. تصحیح میرور (Metropolis Correction) در HMC
  • 46. مزایای HMC
  • 47. معایب HMC
  • 48. مقدمه به نمونه‌گیری از طریق زنجیره مارکوف مونت کارلو با گام‌های غیر متعارف (NUTS)
  • 49. مشکل تعیین پارامترهای HMC
  • 50. الگوریتم NUTS
  • 51. چگونه NUTS پارامترهای HMC را تنظیم می‌کند؟
  • 52. جستجوی جهت مناسب در فضای پارامتر
  • 53. جستجوی طول مناسب در فضای پارامتر
  • 54. مزایای NUTS نسبت به HMC
  • 55. معایب NUTS
  • 56. پیاده‌سازی مدل‌ها در Stan با استفاده از HMC و NUTS
  • 57. نوشتن کد Stan برای مدل‌های ساده
  • 58. نوشتن کد Stan برای مدل‌های پیچیده
  • 59. استفاده از داده‌های واقعی برای تست مدل‌ها
  • 60. تفسیر خروجی‌های HMC و NUTS در Stan
  • 61. بررسی مقادیر میانگین و واریانس پارامترها
  • 62. بررسی بازه‌های اطمینان (Credible Intervals)
  • 63. بررسی نمودارهای تراکم (Density Plots)
  • 64. بررسی نمودارهای زنجیره (Trace Plots)
  • 65. بررسی نمودارهای اتوکورلاسیون
  • 66. تفسیر R-hat و سایر معیارهای همگرایی
  • 67. تشخیص مشکلات در نمونه‌برداری
  • 68. مشکلات مربوط به توزیع پسین (Posterior Distribution)
  • 69. مشکلات مربوط به الگوریتم نمونه‌برداری
  • 70. نکات عملی برای بهبود نمونه‌گیری
  • 71. تنظیم پارامترهای الگوریتم (در صورت امکان)
  • 72. استفاده از پیشین‌های مناسب
  • 73. استانداردسازی داده‌ها
  • 74. استفاده از مدل‌های پیچیده‌تر (در صورت نیاز)
  • 75. استفاده از کتابخانه‌های کمکی Stan
  • 76. مثال‌های کاربردی از HMC و NUTS در Stan
  • 77. مدل‌های رگرسیون خطی بیزی
  • 78. مدل‌های رگرسیون لجستیک بیزی
  • 79. مدل‌های سلسله مراتبی (Hierarchical Models)
  • 80. مدل‌های سری زمانی (Time Series Models)
  • 81. مدل‌های فضایی (Spatial Models)
  • 82. مدل‌های یادگیری ماشین بیزی
  • 83. کاربرد HMC و NUTS در علوم زیستی
  • 84. کاربرد HMC و NUTS در علوم اجتماعی
  • 85. کاربرد HMC و NUTS در اقتصاد
  • 86. کاربرد HMC و NUTS در مهندسی
  • 87. مقایسه HMC و NUTS با سایر روش‌های نمونه‌برداری (مانند Variational Inference)
  • 88. محدودیت‌های HMC و NUTS
  • 89. ملاحظات محاسباتی (Computational Considerations)
  • 90. بهینه‌سازی کد Stan
  • 91. انتخاب سخت‌افزار مناسب
  • 92. مقایسه کارایی HMC و NUTS بر روی داده‌های مختلف
  • 93. نکات پیشرفته در تنظیم پارامترهای NUTS
  • 94. نکات پیشرفته در تفسیر نتایج MCMC
  • 95. موضوعات تحقیقاتی جاری در زمینه HMC و NUTS
  • 96. آینده HMC و NUTS در مدل‌سازی آماری
  • 97. جمع‌بندی و مرور کلی
  • 98. پرسش و پاسخ

📚 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 HMC و NUTS: پیاده‌سازی و تفسیر نتایج در Stan”

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

محصولات مشابه

پیمایش به بالا