, ,

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. چرا بهینه‌سازی اجرای MCMC در Stan مهم است؟
  • 3. مفاهیم اساسی MCMC
  • 4. نمونه‌برداری از توزیع پسین
  • 5. الگوریتم‌های MCMC رایج (Metropolis-Hastings، Gibbs Sampling)
  • 6. معرفی Stan
  • 7. زبان مدل‌سازی Stan
  • 8. کامپایل و اجرای مدل‌های Stan
  • 9. مقدمه بر بهینه‌سازی در Stan
  • 10. هدف از بهینه‌سازی اجرای MCMC
  • 11. شناسایی گلوگاه‌های عملکردی
  • 12. اندازه‌گیری زمان اجرا
  • 13. پروفایلینگ کد Stan
  • 14. استفاده از ابزارهای پروفایلینگ داخلی Stan
  • 15. تحلیل خروجی پروفایلینگ
  • 16. شناسایی بخش‌های کند مدل
  • 17. بهینه‌سازی مدل‌سازی
  • 18. ساده‌سازی مدل‌های پیچیده
  • 19. کاهش تعداد پارامترها
  • 20. استفاده از توابع کمکی (helper functions)
  • 21. انتخاب توابع توزیع مناسب
  • 22. استفاده از توزیع‌های پیشین غیرمطلع (non-informative priors)
  • 23. اثر توزیع‌های پیشین بر همگرایی
  • 24. بهینه‌سازی کد Stan
  • 25. استفاده از حلقه‌های کارآمد (efficient loops)
  • 26. توابع برداری (vectorization) در Stan
  • 27. اجتناب از محاسبات تکراری
  • 28. استفاده از اپراتورهای کارآمد
  • 29. بهینه‌سازی محاسبات ماتریسی
  • 30. استفاده از توابع کتابخانه‌ای Stan
  • 31. بهینه‌سازی توابع سفارشی (custom functions)
  • 32. استفاده از `reduce_sum` برای موازی‌سازی
  • 33. موازی‌سازی در سطح هسته (core-level parallelism)
  • 34. تنظیمات زنجیره MCMC
  • 35. تعداد زنجیره‌ها (number of chains)
  • 36. طول زنجیره (chain length)
  • 37. تعداد تکرارهای اولیه (warm-up iterations)
  • 38. تنظیمات نمونه‌برداری (sampling settings)
  • 39. استفاده از الگوریتم‌های نمونه‌برداری پیشرفته
  • 40. NUTS (No-U-Turn Sampler)
  • 41. Hamiltonian Monte Carlo (HMC)
  • 42. تنظیم پارامترهای NUTS
  • 43. `stepsize__`
  • 44. `max_treedepth__`
  • 45. `adapt_delta__`
  • 46. تأثیر `adapt_delta` بر همگرایی و سرعت
  • 47. تنظیم `max_treedepth`
  • 48. استفاده از الگوریتم‌های جایگزین (در صورت لزوم)
  • 49. بررسی همگرایی زنجیره‌ها
  • 50. معیارهای همگرایی MCMC
  • 51. R-hat (Gelman-Rubin statistic)
  • 52. Effective Sample Size (ESS)
  • 53. Autocorrelation plots
  • 54. Trace plots
  • 55. Visualizing convergence
  • 56. استفاده از `bayesplot` برای تحلیل همگرایی
  • 57. تشخیص همگرایی ضعیف
  • 58. راهکارهای اصلاح همگرایی ضعیف
  • 59. تغییر توزیع پیشین
  • 60. تغییر ساختار مدل
  • 61. افزایش طول زنجیره
  • 62. افزایش تعداد تکرارهای اولیه
  • 63. استفاده از مقادیر اولیه بهتر (initial values)
  • 64. اهمیت مقادیر اولیه مناسب
  • 65. روش‌های تعیین مقادیر اولیه
  • 66. مقادیر اولیه تصادفی
  • 67. مقادیر اولیه تخمینی
  • 68. استفاده از بهینه‌سازی (optimization) برای یافتن مقادیر اولیه
  • 69. بهینه‌سازی (optimization) در Stan
  • 70. هدف از بهینه‌سازی
  • 71. تفاوت بهینه‌سازی و نمونه‌برداری MCMC
  • 72. استفاده از `optimizing()` در Stan
  • 73. تنظیمات `optimizing()`
  • 74. تنظیم الگوریتم بهینه‌سازی
  • 75. استفاده از نتایج بهینه‌سازی به عنوان مقادیر اولیه
  • 76. بررسی حساسیت به پارامترهای مدل
  • 77. تحلیل حساسیت به پارامترهای پیشین
  • 78. تحلیل حساسیت به ساختار مدل
  • 79. استفاده از روش‌های تحلیل حساسیت
  • 80. بهینه‌سازی برای مدل‌های بزرگ و پیچیده
  • 81. مدل‌های سلسله مراتبی (hierarchical models)
  • 82. مدل‌های فضایی (spatial models)
  • 83. مدل‌های سری زمانی (time series models)
  • 84. مدل‌های با ابعاد بالا (high-dimensional models)
  • 85. تکنیک‌های نمونه‌برداری موازی
  • 86. استفاده از `CmdStanR` برای اجرای موازی
  • 87. استفاده از `CmdStanPy` برای اجرای موازی
  • 88. مدیریت داده‌های بزرگ
  • 89. استفاده از `data frames` کارآمد
  • 90. بارگذاری داده‌ها به صورت بهینه
  • 91. پیش‌پردازش داده‌ها
  • 92. استفاده از فرمت‌های داده‌ای سریع (مانند HDF5)
  • 93. بررسی و رفع خطاهای رایج در Stan
  • 94. خطاهای زمان کامپایل
  • 95. خطاهای زمان اجرا
  • 96. خطاهای مربوط به همگرایی
  • 97. خطاهای مربوط به حافظه
  • 98. نکات پیشرفته برای بهینه‌سازی
  • 99. استفاده از `expose_stan_functions`
  • 100. برنامه‌نویسی موازی با Stan (در صورت نیاز)

📚 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