سپنتا کتاب اکسپرس
کتاب تنظیم پارامترهای MCMC با Stan

کتاب تنظیم پارامترهای MCMC با 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 تنظیم پارامترهای MCMC با 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 MCMC و Stan
  • 2. چرا MCMC؟
  • 3. مفاهیم پایه MCMC
  • 4. روش های MCMC (Metropolis-Hastings، Gibbs Sampling)
  • 5. معرفی Stan
  • 6. چرا Stan؟
  • 7. زبان مدل سازی Stan
  • 8. نصب Stan (RStan، PyStan، CmdStan)
  • 9. اولین مدل ساده در Stan
  • 10. ساختار کلی کد Stan
  • 11. بخش های پارامتر (parameters)
  • 12. بخش داده ها (data)
  • 13. بخش مدل (model)
  • 14. بخش تبدیل شده (transformed parameters)
  • 15. بخش تابع هزینه (generated quantities)
  • 16. کامپایل مدل در Stan
  • 17. اجرای مدل با RStan
  • 18. اجرای مدل با PyStan
  • 19. اجرای مدل با CmdStan
  • 20. بررسی خروجی Stan
  • 21. آمار خلاصه (summary statistics)
  • 22. نمودارهایtrace
  • 23. نمودارهای autocorrelation
  • 24. نمودارهای density
  • 25. شاخص های همگرایی (convergence diagnostics)
  • 26. R-hat (Gelman-Rubin statistic)
  • 27. Effective Sample Size (ESS)
  • 28. Autocorrelation plots
  • 29. Trace plots
  • 30. چگونه بفهمیم مدل همگرا شده است؟
  • 31. مشکلات رایج در همگرایی
  • 32. "Poor mixing"
  • 33. "High autocorrelation"
  • 34. "Slow convergence"
  • 35. "Divergences"
  • 36. بررسی ارورهای Stan
  • 37. راهکارهای رفع ارورهای Stan
  • 38. تنظیم پارامترهای پیش فرض MCMC در Stan
  • 39. تعداد chain ها (chains)
  • 40. تعداد گام های burn-in (iter/2)
  • 41. تعداد گام های نمونه برداری (iter/2)
  • 42. تعداد گام های گرم کردن (warmup)
  • 43. تنظیم پارامترهای پیشرفته MCMC در Stan
  • 44. الگوریتم نمونه برداری (sampling algorithm)
  • 45. NUTS (No-U-Turn Sampler)
  • 46. HMC (Hamiltonian Monte Carlo)
  • 47. Adaptation phase
  • 48. Target acceptance rate
  • 49. Max tree depth
  • 50. Step size (epsilon)
  • 51. L-BFGS
  • 52. تنظیم پارامترهای پیشرفته تر NUTS
  • 53. delta
  • 54. adapt_delta
  • 55. sampling parameters
  • 56. thinning
  • 57. تکنیک های بهبود کارایی MCMC
  • 58. مدل سازی سلسله مراتبی (Hierarchical Modeling)
  • 59. اهمیت مدل سازی سلسله مراتبی
  • 60. پیاده سازی مدل های سلسله مراتبی در Stan
  • 61. مدل های خطی سلسله مراتبی
  • 62. مدل های رگرسیون لجستیک سلسله مراتبی
  • 63. مدل های اثرات مختلط (Mixed Effects Models)
  • 64. اهمیت مدل های اثرات مختلط
  • 65. پیاده سازی مدل های اثرات مختلط در Stan
  • 66. مدل های مختلط خطی
  • 67. مدل های مختلط غیرخطی
  • 68. مدل های سری زمانی (Time Series Models)
  • 69. اهمیت مدل های سری زمانی
  • 70. پیاده سازی مدل های سری زمانی در Stan
  • 71. ARIMA models
  • 72. State-space models
  • 73. مدل های مکانی (Spatial Models)
  • 74. اهمیت مدل های مکانی
  • 75. پیاده سازی مدل های مکانی در Stan
  • 76. مدل های گراف (Graphical Models)
  • 77. اهمیت مدل های گراف
  • 78. پیاده سازی مدل های گراف در Stan
  • 79. استفاده از priors در Stan
  • 80. اهمیت انتخاب prior
  • 81. انواع priors (uninformative, informative, weakly informative)
  • 82. تنظیم priors مناسب
  • 83. اثر priors بر نتایج MCMC
  • 84. مدل سازی داده های گسسته در Stan
  • 85. مدل سازی داده های پیوسته در Stan
  • 86. مدل سازی داده های شمارشی در Stan
  • 87. مدل سازی داده های دودویی در Stan
  • 88. مدل سازی داده های چند حالته در Stan
  • 89. مدل سازی داده های ترکیبی (Missing Data)
  • 90. پیاده سازی مدل های با داده های گمشده در Stan
  • 91. روش های imputation در Stan
  • 92. اعتبارسنجی مدل (Model Validation)
  • 93. اعتبارسنجی با داده های جدید
  • 94. اعتبارسنجی داخلی مدل
  • 95. استفاده از posterior predictive checks
  • 96. تفسیر نتایج MCMC
  • 97. تفسیر نمودارهای trace
  • 98. تفسیر نمودارهای autocorrelation
  • 99. تفسیر نمودارهای density
  • 100. تفسیر شاخص های همگرایی

📚 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.