کتاب ملاحظات مهم در اجرای MCMC با Stan
, ,

کتاب ملاحظات مهم در اجرای MCMC با Stan

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000028991 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 ملاحظات مهم در اجرای MCMC با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مفاهیم پایه MCMC
  • 2. روش‌های نمونه‌گیری مارکوف
  • 3. فرآیند مارکوف
  • 4. فضای حالت
  • 5. توزیع پایدار
  • 6. تعادل جزئی
  • 7. همگرایی
  • 8. عرضه
  • 9. توزیع هدف
  • 10. توزیع پیشین
  • 11. توزیع پسین
  • 12. احتمال درست‌نمایی
  • 13. تابع درست‌نمایی
  • 14. تابع پسین
  • 15. نمونه‌گیری مستقل
  • 16. نمونه‌گیری گام به گام
  • 17. آنالیز سری زمانی
  • 18. نمونه‌گیری از توزیع‌های پیچیده
  • 19. مزایای MCMC
  • 20. معایب MCMC
  • 21. نرم‌افزار Stan
  • 22. زبان مدل‌سازی Stan
  • 23. ساختار مدل در Stan
  • 24. بخش `data`
  • 25. بخش `parameters`
  • 26. بخش `transformed parameters`
  • 27. بخش `model`
  • 28. بخش `generated quantities`
  • 29. انواع الگوریتم‌های MCMC در Stan
  • 30. HMC (Hamiltonian Monte Carlo)
  • 31. NUTS (No-U-Turn Sampler)
  • 32. معرفی HMC
  • 33. مزایای HMC
  • 34. معایب HMC
  • 35. معرفی NUTS
  • 36. مزایای NUTS
  • 37. معایب NUTS
  • 38. پارامترهای کلیدی NUTS
  • 39. `stepsize`
  • 40. `adapt_delta`
  • 41. `max_treedepth`
  • 42. تنظیم پارامترهای NUTS
  • 43. تشخیص همگرایی
  • 44. نمودارهای سری زمانی
  • 45. نمودارهای توزیع پسین
  • 46. R-hat ( `Rhat` )
  • 47. نشانگرهای همگرایی
  • 48. `ess` (Effective Sample Size)
  • 49. `autocorr.plot`
  • 50. `traceplot`
  • 51. `densplot`
  • 52. `pairs` plot
  • 53. تشخیص عدم همگرایی
  • 54. بررسی مشکلات رایج
  • 55. شتاب‌گیری ضعیف
  • 56. نمونه‌گیری در مناطق کم‌احتمال
  • 57. همبستگی بالا بین متغیرها
  • 58. انتخاب تابع درست‌نمایی مناسب
  • 59. انتخاب تابع پیشین مناسب
  • 60. اثر پیشین
  • 61. تأثیر پیشین بر همگرایی
  • 62. پیشین‌های غیر اطلاعاتی (Non-informative priors)
  • 63. پیشین‌های اطلاعاتی (Informative priors)
  • 64. پیشین‌های نیمه‌اطلاعاتی (Semi-informative priors)
  • 65. انتخاب پیشین مناسب برای پارامترهای مختلف
  • 66. پیشین برای پارامترهای مقیاس
  • 67. پیشین برای پارامترهای موقعیت
  • 68. پیشین برای پارامترهای احتمالات
  • 69. پیشین برای پارامترهای واریانس
  • 70. پیشین برای پارامترهای همبستگی
  • 71. پیشین برای پارامترهای رگرسیون
  • 72. پیشین برای پارامترهای گسسته
  • 73. پیشین برای پارامترهای پیوسته
  • 74. پیشین‌های استاندارد در Stan
  • 75. `normal()`
  • 76. `cauchy()`
  • 77. `student_t()`
  • 78. `uniform()`
  • 79. `beta()`
  • 80. `gamma()`
  • 81. `dirichlet()`
  • 82. `lkj()`
  • 83. نرمال‌سازی مدل
  • 84. استانداردسازی متغیرها
  • 85. تأثیر مقیاس داده‌ها بر همگرایی
  • 86. استفاده از `transformed parameters` برای ساده‌سازی مدل
  • 87. توسعه مدل‌های پیچیده‌تر
  • 88. مدل‌های سلسله مراتبی
  • 89. مدل‌های خطای اندازه‌گیری
  • 90. مدل‌های سری زمانی
  • 91. مدل‌های فضایی
  • 92. مدل‌های مبتنی بر عامل (Agent-based models)
  • 93. مدل‌های تابعی (Functional models)
  • 94. مدل‌های باینری
  • 95. مدل‌های شمارشی
  • 96. مدل‌های رگرسیون چندگانه
  • 97. مدل‌های خطی تعمیم‌یافته (GLMs)
  • 98. مدل‌های خطی تعمیم‌یافته سلسله مراتبی (HGLMs)
  • 99. مدل‌های مختلط (Mixed-effects models)
  • 100. مدل‌های مکانی-زمانی

📚 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 ملاحظات مهم در اجرای MCMC با Stan”

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

محصولات مشابه

پیمایش به بالا