سپنتا کتاب اکسپرس
کتاب مدیریت همگرایی در اجرای Stan

کتاب مدیریت همگرایی در اجرای 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 مدیریت همگرایی در اجرای Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. اصول اولیه مدل‌سازی بیزی
  • 2. مقدمه‌ای بر استن (Stan)
  • 3. چرا از استن استفاده کنیم؟
  • 4. نصب و راه‌اندازی استن
  • 5. محیط‌های توسعه یکپارچه (IDE) برای استن
  • 6. اصول زبان مدل‌سازی استن
  • 7. بلوک‌های اصلی کد استن (data, parameters, model, generated quantities)
  • 8. تعریف متغیرها در استن
  • 9. تعریف پارامترها و متغیرهای کمکی
  • 10. توابع توزیع احتمال در استن
  • 11. نحوه تعریف مدل‌های احتمالاتی در استن
  • 12. مثال‌های ساده مدل‌سازی در استن (مدل خطی ساده)
  • 13. تفسیر خروجی استن
  • 14. نمودارهای سری زمانی (Trace plots)
  • 15. نمودارهای چگالی (Density plots)
  • 16. خلاصه‌های آماری (Summary statistics)
  • 17. معیارهای همگرایی (Convergence diagnostics)
  • 18. نسبت R-hat (R-hat statistic)
  • 19. تعداد نمونه‌های مؤثر (Effective sample size - ESS)
  • 20. تشخیص عدم همگرایی
  • 21. روش‌های بصری برای ارزیابی همگرایی
  • 22. تحلیل توزیع‌های پسین (Posterior distributions)
  • 23. بررسی واریانس و میانگین نمونه‌ها
  • 24. تحلیل خودهمبستگی (Autocorrelation plots)
  • 25. چالش‌های رایج در اجرای استن
  • 26. مشکلات مربوط به تعریف مدل
  • 27. مشکلات مربوط به توزیع‌های پیشین (Priors)
  • 28. انتخاب توزیع‌های پیشین مناسب
  • 29. توزیع‌های پیشین ضعیف (Weakly informative priors)
  • 30. توزیع‌های پیشین بسیار ضعیف (Vague priors)
  • 31. توزیع‌های پیشین قوی (Informative priors)
  • 32. تأثیر توزیع‌های پیشین بر همگرایی
  • 33. استفاده از توزیع‌های پیشین غیرمتعارف
  • 34. روش‌های جایگزین برای تعریف توزیع‌های پیشین
  • 35. مشکلات مربوط به الگوریتم‌های نمونه‌برداری (Sampling algorithms)
  • 36. مقدمه‌ای بر نمونه‌برداری زنجیره مارکوف مونت کارلو (MCMC)
  • 37. نمونه‌برداری از طریق رد (Rejection sampling)
  • 38. نمونه‌برداری اهمیت (Importance sampling)
  • 39. نمونه‌برداری هامیلتونی مونت کارلو (HMC)
  • 40. نمونه‌برداری از طریق گام‌های معکوس (Langevin Monte Carlo)
  • 41. نمونه‌برداری از طریق زنجیره مارکوف با گام‌های معکوس (Langevin Markov Chain Monte Carlo)
  • 42. اصول نمونه‌برداری هامیلتونی مونت کارلو (HMC)
  • 43. گام‌های معکوس (Hamiltonian dynamics)
  • 44. تصادفی‌سازی (Stochasticity)
  • 45. انتخاب گام زمانی (Step size)
  • 46. تعداد گام‌های معکوس (Number of leapfrog steps)
  • 47. تنظیم پارامترهای HMC
  • 48. پارامترهای الگوریتم NUTS (No-U-Turn Sampler)
  • 49. چگونگی کارکرد NUTS
  • 50. تنظیم پارامترهای NUTS
  • 51. تشخیص مشکلات مربوط به HMC و NUTS
  • 52. مسیرهای طولانی در نمودارهای سری زمانی
  • 53. توزیع‌های پسین نامتعارف
  • 54. عدم همگرایی در بخش‌های خاصی از فضای پارامتر
  • 55. استفاده از پارامترهای الگوریتم پیش‌فرض استن
  • 56. تنظیم دستی پارامترهای HMC و NUTS
  • 57. تنظیم گام زمانی (stepsize)
  • 58. تنظیم تعداد گام‌های معکوس (max_treedepth)
  • 59. تنظیم پارامترهای مربوط به استراتژی نمونه‌برداری (sampling strategy)
  • 60. تنظیمات مربوط به نمونه‌برداری موازی (Parallel sampling)
  • 61. استفاده از چند هسته پردازشی (Multi-core processing)
  • 62. تنظیمات مربوط به زنجیره‌های موازی (Parallel chains)
  • 63. تنظیمات مربوط به نمونه‌برداری در فضای محدود (Bounded sampling)
  • 64. استفاده از توابع تبدیل (Transformations)
  • 65. تبدیل متغیرهای پارامتری
  • 66. تبدیل توزیع‌های پسین
  • 67. مزایای استفاده از تبدیل‌ها
  • 68. معایب استفاده از تبدیل‌ها
  • 69. نکات مهم در استفاده از تبدیل‌ها
  • 70. مدل‌های پیچیده و چالش‌های همگرایی
  • 71. مدل‌های سلسله مراتبی (Hierarchical models)
  • 72. مدل‌های خطی تعمیم‌یافته (Generalized linear models)
  • 73. مدل‌های خطی مختلط (Mixed-effects models)
  • 74. مدل‌های فضایی (Spatial models)
  • 75. مدل‌های سری زمانی (Time series models)
  • 76. مدل‌های شبکه‌ای (Network models)
  • 77. مدل‌های مبتنی بر عامل (Agent-based models)
  • 78. مدل‌های با ابعاد بالا (High-dimensional models)
  • 79. استفاده از روش‌های بهینه‌سازی (Optimization methods)
  • 80. بهینه‌سازی حداکثر درست‌نمایی (Maximum Likelihood Estimation - MLE)
  • 81. بهینه‌سازی حداکثر درست‌نمایی پسین (Maximum A Posteriori - MAP)
  • 82. استفاده از MAP به عنوان نقطه شروع برای MCMC
  • 83. استفاده از روش‌های تحلیل عدم قطعیت (Uncertainty quantification)
  • 84. اعتبار سنجی مدل (Model validation)
  • 85. اعتبارسنجی با استفاده از داده‌های شبیه‌سازی شده (Simulated data)
  • 86. اعتبارسنجی با استفاده از داده‌های واقعی (Real data)
  • 87. اعتبارسنجی با استفاده از معیارهای پیش‌بینی (Predictive checks)
  • 88. تحلیل باقی‌مانده‌ها (Residual analysis)
  • 89. بررسی کیفیت نمونه‌ها (Sample quality)
  • 90. استفاده از ابزارهای بصری پیشرفته
  • 91. نرم‌افزارهای کمکی برای تحلیل خروجی استن
  • 92. کتابخانه‌های پایتون برای استن (PyStan)
  • 93. کتابخانه‌های R برای استن (RStan)
  • 94. کتابخانه‌های Julia برای استن (Stan.jl)
  • 95. نکات پیشرفته در زبان استن
  • 96. استفاده از بلوک‌های `~` برای تعریف مدل
  • 97. استفاده از بلوک `transformed parameters`
  • 98. استفاده از بلوک `generated quantities` برای محاسبات پسین
  • 99. توابع سفارشی در استن
  • 100. استفاده از C++ برای توابع سفارشی

📚 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.