کتاب کاوشی در تنوع الگوریتم‌های MCMC
, ,

کتاب کاوشی در تنوع الگوریتم‌های MCMC

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000027687 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 کاوشی در تنوع الگوریتم‌های MCMC

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

موضوع میانی: پشتیبانی از انواع الگوریتم‌های MCMC

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر نمونه گیری از مارکوف چین مونت کارلو
  • 2. مبانی نظری MCMC
  • 3. فرآیندهای مارکوف
  • 4. ارگودیسیته
  • 5. ایستایی
  • 6. مفهوم زنجیره مارکوف
  • 7. بازگشت
  • 8. جزئیات اتصال
  • 9. همگرایی به توزیع ایستایی
  • 10. قضیه حد مرکزی برای MCMC
  • 11. تنوع الگوریتم‌های MCMC
  • 12. نمونه گیری از طریق رد
  • 13. نمونه گیری از طریق اهمیت
  • 14. نمونه گیری از طریق اهمیت بازنمونه گیری
  • 15. نمونه گیری از طریق اهمیت تکراری
  • 16. روش های مبتنی بر مدل
  • 17. نمونه گیری از طریق Gibbs
  • 18. الگوریتم Gibbs Sampling
  • 19. پیاده سازی Gibbs Sampling
  • 20. مزایا و معایب Gibbs Sampling
  • 21. کاربرد Gibbs Sampling
  • 22. روش های مبتنی بر توزیع هدف
  • 23. Metropolis-Hastings
  • 24. الگوریتم Metropolis-Hastings
  • 25. نحوه انتخاب توزیع پیشنهادی
  • 26. نحوه پذیرش یا رد نمونه
  • 27. مزایا و معایب Metropolis-Hastings
  • 28. کاربرد Metropolis-Hastings
  • 29. Metropolis-within-Gibbs
  • 30. ترکیب Metropolis-Hastings و Gibbs Sampling
  • 31. نمونه گیری از طریق Hamiltonian Monte Carlo (HMC)
  • 32. مبانی HMC
  • 33. حرکت شبه دینامیکی
  • 34. انتگرال گیری از طریق Verlet
  • 35. یافتن گرادیان توزیع احتمال
  • 36. مزایا و معایب HMC
  • 37. کاربرد HMC
  • 38. نمونه گیری از طریق No-U-Turn Sampler (NUTS)
  • 39. اصلاحات HMC
  • 40. توقف در زمان مناسب
  • 41. مزایا و معایب NUTS
  • 42. کاربرد NUTS
  • 43. روش های مبتنی بر مدل های گرافیکی
  • 44. نمونه گیری از طریق Belief Propagation
  • 45. نمونه گیری از طریق Monte Carlo Belief Propagation
  • 46. کاربرد Belief Propagation در MCMC
  • 47. روش های مبتنی بر توزیع های ترکیبی
  • 48. نمونه گیری از طریق Mixture Models
  • 49. نمونه گیری از طریق Gaussian Mixture Models
  • 50. کاربرد Mixture Models در MCMC
  • 51. روش های مبتنی بر معادلات دیفرانسیل جزئی
  • 52. نمونه گیری از طریق Finite Element Method
  • 53. نمونه گیری از طریق Finite Difference Method
  • 54. کاربرد PDE ها در MCMC
  • 55. روش های مبتنی بر یادگیری عمیق
  • 56. نمونه گیری از طریق Variational Autoencoders (VAEs)
  • 57. نمونه گیری از طریق Generative Adversarial Networks (GANs)
  • 58. کاربرد یادگیری عمیق در MCMC
  • 59. روش های مبتنی بر بهینه سازی
  • 60. نمونه گیری از طریق Annealing
  • 61. نمونه گیری از طریق Simulated Annealing
  • 62. کاربرد Annealing در MCMC
  • 63. روش های مقایسه و ارزیابی الگوریتم ها
  • 64. معیارهای همگرایی
  • 65. تشخیص همگرایی
  • 66. نمونه گیری از طریق Trace Plots
  • 67. نمونه گیری از طریق Autocorrelation Plots
  • 68. نمونه گیری از طریق Effective Sample Size (ESS)
  • 69. نمونه گیری از طریق Gelman-Rubin Statistic
  • 70. نمونه گیری از طریق Geweke Statistic
  • 71. نمونه گیری از طریق Heidelberger-Welch Statistic
  • 72. نمونه گیری از طریق R-hat statistic
  • 73. نمونه گیری از طریق Convergence Diagnostics
  • 74. مقایسه کارایی الگوریتم ها
  • 75. مقایسه سرعت همگرایی
  • 76. مقایسه دقت نمونه ها
  • 77. مقایسه مصرف حافظه
  • 78. تکنیک های بهبود کارایی
  • 79. نمونه گیری از طریق Parallelization
  • 80. نمونه گیری از طریق Distributed Computing
  • 81. نمونه گیری از طریق Stratified Sampling
  • 82. نمونه گیری از طریق Importance Sampling for variance reduction
  • 83. نمونه گیری از طریق Control Variates
  • 84. نمونه گیری از طریق Antithetic Variates
  • 85. نمونه گیری از طریق Rao-Blackwellization
  • 86. نمونه گیری از طریق Markov Chain Monte Carlo methods for Bayesian inference
  • 87. نمونه گیری از طریق Bayesian Networks
  • 88. نمونه گیری از طریق Probabilistic Graphical Models
  • 89. نمونه گیری از طریق Graphical Models
  • 90. نمونه گیری از طریق Dynamic Bayesian Networks
  • 91. نمونه گیری از طریق Hidden Markov Models
  • 92. نمونه گیری از طریق State-Space Models
  • 93. نمونه گیری از طریق Bayesian inference for complex models
  • 94. نمونه گیری از طریق Hierarchical Models
  • 95. نمونه گیری از طریق Mixed-Effects Models
  • 96. نمونه گیری از طریق Non-parametric Bayesian models
  • 97. نمونه گیری از طریق Gaussian Processes
  • 98. نمونه گیری از طریق Dirichlet Processes
  • 99. نمونه گیری از طریق Indian Buffet Processes
  • 100. نمونه گیری از طریق Applications of MCMC in Statistics

📚 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 کاوشی در تنوع الگوریتم‌های MCMC”

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

محصولات مشابه

پیمایش به بالا