سپنتا کتاب اکسپرس
کتاب ملاحظات کلیدی در استفاده از Stan

کتاب ملاحظات کلیدی در استفاده از 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 ملاحظات کلیدی در استفاده از 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 Stan
  • 2. اهمیت Stan در مدل سازی آماری
  • 3. مزایای استفاده از Stan
  • 4. یادگیری زبان Stan
  • 5. مفاهیم پایه در Stan (متغیرها، توابع)
  • 6. نحوه تعریف مدل ها در Stan
  • 7. ساختار کلی یک برنامه Stan
  • 8. بخش داده ها (Data Block)
  • 9. بخش پارامترها (Parameters Block)
  • 10. بخش مدل (Model Block)
  • 11. بخش تراوش (Generated Quantities Block)
  • 12. انتخاب مدل آماری مناسب
  • 13. تطبیق مدل با داده ها
  • 14. اعتبارسنجی مدل
  • 15. مفاهیم پایه احتمالاتی
  • 16. نظریه بیز
  • 17. استنتاج بیزی
  • 18. نمونه برداری مونت کارلو زنجیره مارکوف (MCMC)
  • 19. الگوریتم هامیلتونی مونت کارلو (HMC)
  • 20. الگوریتم نمونه برداری اصلاح شده (NUTS)
  • 21. تنظیمات الگوریتم NUTS
  • 22. پارامترهای HMC ( گام زمانی، تعداد گام ها)
  • 23. تنظیمات نمونه برداری در Stan
  • 24. تعداد تکرارها (iterations)
  • 25. تعداد زنجیره ها (chains)
  • 26. تعداد گرم کردن (warmup)
  • 27. تنظیمات نمونه برداری برای سرعت
  • 28. تنظیمات نمونه برداری برای دقت
  • 29. تفسیر خروجی Stan
  • 30. آمار خلاصه (summary statistics)
  • 31. نمودارهایtrace (trace plots)
  • 32. نمودارهای تراکم (density plots)
  • 33. نمودارهای جعبه ای (box plots)
  • 34. تشخیص همگرایی (convergence diagnostics)
  • 35. R-hat
  • 36. autocorrelation
  • 37. effective sample size (ESS)
  • 38. نمودارهای ارزیابی همگرایی
  • 39. عیب یابی مدل های Stan
  • 40. مشکلات نمونه برداری
  • 41. نمونه برداری کند
  • 42. عدم همگرایی
  • 43. مشکلات تعریف مدل
  • 44. خطاهای سینتکسی
  • 45. خطاهای منطقی
  • 46. خطاهای مربوط به توابع
  • 47. بهینه سازی مدل های Stan
  • 48. کاهش پیچیدگی مدل
  • 49. استفاده از توابع کمکی
  • 50. انتخاب پارامترهای مناسب برای HMC
  • 51. استفاده از پارامترهای پیش فرض Stan
  • 52. تنظیم پارامترهای HMC به صورت دستی
  • 53. مثال های کاربردی مدل سازی با Stan
  • 54. مدل های خطی ساده
  • 55. مدل های خطی سلسله مراتبی
  • 56. مدل های رگرسیون لجستیک
  • 57. مدل های سری زمانی
  • 58. مدل های مکانی-زمانی
  • 59. مدل های بقا
  • 60. مدل های گرافیکی
  • 61. مدل های شبکه های عصبی
  • 62. مدل های استنتاج توزیع
  • 63. مدل های ساختاری
  • 64. مدل های آماری برای علوم زیستی
  • 65. مدل های آماری برای علوم اجتماعی
  • 66. مدل های آماری برای علوم اقتصادی
  • 67. مدل های آماری برای علوم مهندسی
  • 68. مدل های آماری برای علوم محیط زیست
  • 69. مدل های آماری برای علوم کامپیوتر
  • 70. مدل های آماری برای علوم داده
  • 71. استفاده از Stan در زبان R
  • 72. بسته rstan
  • 73. نحوه فراخوانی Stan از R
  • 74. تفسیر خروجی R از Stan
  • 75. استفاده از Stan در زبان Python
  • 76. بسته pystan
  • 77. نحوه فراخوانی Stan از Python
  • 78. تفسیر خروجی Python از Stan
  • 79. استفاده از Stan در زبان Julia
  • 80. بسته Turing.jl
  • 81. نحوه فراخوانی Stan از Julia
  • 82. تفسیر خروجی Julia از Stan
  • 83. مقایسه Stan با سایر نرم افزارهای آماری بیزی
  • 84. JAGS
  • 85. BUGS
  • 86. PyMC3
  • 87. Pyro
  • 88. TensorFlow Probability
  • 89. مزایای Stan نسبت به سایر نرم افزارها
  • 90. معایب Stan نسبت به سایر نرم افزارها
  • 91. ملاحظات مربوط به داده ها
  • 92. پاکسازی داده ها
  • 93. استانداردسازی داده ها
  • 94. مدیریت داده های گمشده
  • 95. اندازه مجموعه داده
  • 96. پیچیدگی محاسباتی
  • 97. ملاحظات مربوط به منابع محاسباتی
  • 98. حافظه RAM
  • 99. قدرت پردازش CPU
  • 100. زمان اجرای 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

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.