کتاب کاربرد MCMC با Stan در مسائل کاربردی
, ,

کتاب کاربرد MCMC با Stan در مسائل کاربردی

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000028829 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 کاربرد MCMC با Stan در مسائل کاربردی

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
  • 2. مقدمه ای بر Stan
  • 3. چرا MCMC؟
  • 4. مزایای MCMC
  • 5. محدودیت های MCMC
  • 6. انواع روش های MCMC
  • 7. راه اندازی Stan
  • 8. نصب Stan
  • 9. Stan GUI
  • 10. Stan در R
  • 11. Stan در Python
  • 12. مفاهیم اساسی مدل سازی احتمالی
  • 13. متغیرهای تصادفی
  • 14. توزیع های احتمالی
  • 15. توزیع های پیشین
  • 16. توزیع های پسین
  • 17. قضیه بیز
  • 18. مدل های خطی
  • 19. مدل های غیرخطی
  • 20. مدل های سلسله مراتبی
  • 21. مدل های مکانی
  • 22. مدل های زمانی
  • 23. مقدمه ای بر نمونه برداری از توزیع پسین
  • 24. هدف نمونه برداری
  • 25. چالش های نمونه برداری
  • 26. روش های نمونه برداری
  • 27. معرفی الگوریتم Gibbs
  • 28. نحوه کار Gibbs
  • 29. مزایای Gibbs
  • 30. محدودیت های Gibbs
  • 31. معرفی الگوریتم Metropolis-Hastings
  • 32. نحوه کار Metropolis-Hastings
  • 33. تابع پیشنهاد
  • 34. انتخاب تابع پیشنهاد
  • 35. مزایای Metropolis-Hastings
  • 36. محدودیت های Metropolis-Hastings
  • 37. معرفی الگوریتم Hamiltonian Monte Carlo (HMC)
  • 38. مفهوم انرژی
  • 39. مفهوم گرادیان
  • 40. نحوه کار HMC
  • 41. مزایای HMC
  • 42. محدودیت های HMC
  • 43. معرفی الگوریتم No-U-Turn Sampler (NUTS)
  • 44. تکامل HMC
  • 45. نحوه کار NUTS
  • 46. مزایای NUTS
  • 47. محدودیت های NUTS
  • 48. نوشتن مدل در Stan
  • 49. نحو زبان Stan
  • 50. بخش `data`
  • 51. بخش `parameters`
  • 52. بخش `transformed parameters`
  • 53. بخش `model`
  • 54. بخش `generated quantities`
  • 55. مثال های ساده مدل در Stan
  • 56. مدل رگرسیون خطی ساده
  • 57. مدل رگرسیون خطی چندگانه
  • 58. مدل رگرسیون لجستیک
  • 59. مدل های توزیع نرمال
  • 60. مدل های توزیع پواسون
  • 61. مدل های توزیع برنولی
  • 62. مدل های توزیع گاما
  • 63. مدل های توزیع بتا
  • 64. مدل های توزیع کای دو
  • 65. مدل های توزیع t-Student
  • 66. نوشتن مدل های پیچیده تر در Stan
  • 67. مدل های سلسله مراتبی
  • 68. مدل های اثرات ثابت
  • 69. مدل های اثرات تصادفی
  • 70. مدل های اثرات ترکیبی
  • 71. مدل های مکانی
  • 72. مدل های زمانی
  • 73. مدل های سری زمانی ساده
  • 74. مدل های ARIMA
  • 75. مدل های حالت فضا
  • 76. مدل های شبکه های عصبی بیزی
  • 77. مدل های یادگیری ماشین بیزی
  • 78. ارزیابی و تشخیص همگرایی MCMC
  • 79. مفهوم همگرایی
  • 80. چرا همگرایی مهم است
  • 81. روش های بصری تشخیص همگرایی
  • 82. نمودارهای trace
  • 83. نمودارهای autocorrelation
  • 84. نمودارهای density
  • 85. نمودارهای scatter
  • 86. روش های آماری تشخیص همگرایی
  • 87. آمار R-hat (Gelman-Rubin statistic)
  • 88. تعداد موثر نمونه (Effective Sample Size – ESS)
  • 89. آزمون های همبستگی متقابل
  • 90. تشخیص و رفع مشکلات همگرایی
  • 91. تغییر پارامترهای الگوریتم
  • 92. تنظیم تابع پیشنهاد
  • 93. افزایش تعداد تکرارها
  • 94. کاهش تعداد زنجیره ها
  • 95. استفاده از مدل های ساده تر
  • 96. استفاده از پیشین های قوی تر
  • 97. تشخیص و رفع مشکلات مدل
  • 98. مشکلات مربوط به توزیع پیشین
  • 99. مشکلات مربوط به تابع درست نمایی
  • 100. مشکلات مربوط به ساختار مدل

📚 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 کاربرد MCMC با Stan در مسائل کاربردی”

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

محصولات مشابه

پیمایش به بالا