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. مبانی MCMC
  • 2. مبانی مدل‌سازی آماری
  • 3. مبانی احتمالات و آمار
  • 4. مبانی توزیع‌های احتمال
  • 5. مبانی استنباط بیزی
  • 6. مبانی قضیه بیز
  • 7. مبانی میانگین‌گیری بیزی
  • 8. مبانی متغیرهای پنهان
  • 9. مبانی فرآیندهای گوسی
  • 10. معرفی Stan
  • 11. نصب Stan
  • 12. نصب RStan
  • 13. نصب PyStan
  • 14. نصب CmdStan
  • 15. نوشتن مدل‌های Stan
  • 16. نحو زبان مدل‌سازی Stan
  • 17. بلوک‌های مدل Stan (parameters, model, generated quantities)
  • 18. انواع توزیع‌ها در Stan
  • 19. توابع کمکی در Stan
  • 20. استفاده از داده‌ها در Stan
  • 21. ورودی‌های داده‌ای در Stan
  • 22. ساختارهای داده‌ای در Stan
  • 23. مدل‌های خطی در Stan
  • 24. مدل‌های خطی تعمیم‌یافته (GLMs) در Stan
  • 25. مدل‌های سلسله‌مراتبی در Stan
  • 26. مدل‌های زمانی در Stan
  • 27. مدل‌های مکانی در Stan
  • 28. مبانی الگوریتم‌های MCMC
  • 29. مبانی زنجیره مارکوف
  • 30. مبانی حالت‌های جذب‌کننده
  • 31. مبانی توزیع ایستای زنجیره مارکوف
  • 32. مبانی همگرایی زنجیره مارکوف
  • 33. معرفی الگوریتم Metropolis-Hastings
  • 34. مبانی الگوریتم Metropolis-Hastings
  • 35. انتخاب تابع پیشنهاد در Metropolis-Hastings
  • 36. مبانی الگوریتم Gibbs Sampling
  • 37. کاربرد Gibbs Sampling
  • 38. مزایا و معایب Gibbs Sampling
  • 39. معرفی الگوریتم Hamiltonian Monte Carlo (HMC)
  • 40. مبانی HMC
  • 41. مبانی دینامیک هامیلتونی
  • 42. مبانی انتگرال‌گیری عددی
  • 43. مبانی الگوریتم Leapfrog
  • 44. مزایا و معایب HMC
  • 45. معرفی الگوریتم No-U-Turn Sampler (NUTS)
  • 46. مبانی NUTS
  • 47. مبانی الگوریتم NUTS
  • 48. مزایا و معایب NUTS
  • 49. تنظیمات پارامترهای MCMC در Stan
  • 50. تعداد تکرارها (iterations)
  • 51. تعداد مراحل گرم کردن (warmup)
  • 52. تعداد زنجیره‌ها (chains)
  • 53. اندازه دسته (thinning)
  • 54. کنترل اجرای MCMC در Stan
  • 55. نظارت بر همگرایی
  • 56. معیارهای همگرایی (R-hat, ESS)
  • 57. تشخیص واگرایی
  • 58. تصویرسازی نتایج MCMC
  • 59. نمودارهای زنجیره‌ای
  • 60. نمودارهای چگالی
  • 61. نمودارهای توزیع پسین
  • 62. نمودارهای خودهمبستگی
  • 63. بهینه‌سازی سرعت اجرای MCMC
  • 64. انتخاب الگوریتم مناسب
  • 65. تنظیم پارامترهای NUTS
  • 66. استفاده از تابع پیشنهاد مناسب
  • 67. کدنویسی کارآمد در Stan
  • 68. استفاده از توابع برداری
  • 69. اجتناب از حلقه‌های تکرار ناخواسته
  • 70. استفاده از انواع داده‌ای مناسب
  • 71. استفاده از موازی‌سازی
  • 72. اجرای موازی چندین زنجیره
  • 73. اجرای موازی چندین مدل
  • 74. استفاده از سخت‌افزار مناسب (GPU)
  • 75. انواع بهینه‌سازی برای مدل‌های خاص
  • 76. بهینه‌سازی برای مدل‌های بزرگ
  • 77. بهینه‌سازی برای مدل‌های پیچیده
  • 78. بهینه‌سازی برای مدل‌های با ابعاد بالا
  • 79. بهینه‌سازی برای مدل‌های با داده‌های حجیم
  • 80. تکنیک‌های پیشرفته در Stan
  • 81. استفاده از Stan Functions
  • 82. استفاده از User-Defined Functions
  • 83. استفاده از C++ code در Stan
  • 84. استفاده از CmdStanPy
  • 85. استفاده از PyStan
  • 86. استفاده از RStan
  • 87. اشکال‌زدایی مدل‌های Stan
  • 88. شناسایی خطاهای نحوی
  • 89. شناسایی خطاهای منطقی
  • 90. شناسایی خطاهای همگرایی
  • 91. روش‌های اشکال‌زدایی
  • 92. بررسی خروجی‌های Stan
  • 93. استفاده از آزمون‌های ساده
  • 94. تست مدل با داده‌های شبیه‌سازی شده
  • 95. بررسی توزیع‌های پسین
  • 96. بررسی معیارهای همگرایی
  • 97. نکات تکمیلی برای اجرای بهینه
  • 98. مستندسازی مدل‌ها
  • 99. سازماندهی کد
  • 100. استفاده از سیستم‌های کنترل نسخه

📚 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.