کتاب HMC و NUTS: شتاب‌دهنده نمونه‌گیری آماری در Stan
, ,

کتاب HMC و NUTS: شتاب‌دهنده نمونه‌گیری آماری در Stan

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000029886 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 HMC و NUTS: شتاب‌دهنده نمونه‌گیری آماری در Stan

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

موضوع میانی: نمونه‌گیری از طریق HMC و NUTS در Stan

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر مدل سازی آماری بیزی
  • 2. مقدمه ای بر Stan
  • 3. مقدمه ای بر نمونه گیری بیزی
  • 4. چالش های نمونه گیری آماری
  • 5. مفهوم نمونه گیری از توزیع پسین
  • 6. روش های نمونه گیری از توزیع پسین
  • 7. معرفی روش های زنجیره مارکوف مونت کارلو (MCMC)
  • 8. مقدمه ای بر الگوریتم نمونه گیری اهمیت (Importance Sampling)
  • 9. محدودیت های نمونه گیری اهمیت
  • 10. مقدمه ای بر الگوریتم گیبس (Gibbs Sampling)
  • 11. مزایا و معایب گیبس سمپلینگ
  • 12. مقدمه ای بر الگوریتم متروپلیس-هستینگز (Metropolis-Hastings)
  • 13. کاربرد متروپلیس-هستینگز
  • 14. مقدمه ای بر الگوریتم های مبتنی بر گرادیان
  • 15. چرا الگوریتم های مبتنی بر گرادیان؟
  • 16. مقدمه ای بر دینامیک هامیلتونی
  • 17. مفهوم انرژی پتانسیل و انرژی جنبشی
  • 18. معادله حرکت در دینامیک هامیلتونی
  • 19. پایداری عددی در دینامیک هامیلتونی
  • 20. معرفی الگوریتم نمونه گیری هامیلتونی مونت کارلو (HMC)
  • 21. مزایای HMC نسبت به روش های MCMC سنتی
  • 22. مراحل الگوریتم HMC
  • 23. انتخاب گام زمانی (Step Size) در HMC
  • 24. انتخاب تعداد گام (Number of Steps) در HMC
  • 25. تأثیر گام زمانی بر کارایی HMC
  • 26. تأثیر تعداد گام بر کارایی HMC
  • 27. معرفی مفهوم شتاب در HMC
  • 28. نقش شتاب در HMC
  • 29. چالش های پیاده سازی HMC
  • 30. تنظیم پارامترهای HMC
  • 31. تنظیم خودکار پارامترهای HMC
  • 32. مقدمه ای بر الگوریتم نمونه گیری نمونه گیر نوتروپی (No-U-Turn Sampler – NUTS)
  • 33. مشکلات HMC با پارامترهای بزرگ
  • 34. چرا NUTS؟
  • 35. مفهوم "نو-یو-ترن" در NUTS
  • 36. معرفی الگوریتم NUTS
  • 37. ساختار درختی در NUTS
  • 38. الگوریتم نمونه گیر دو جهته در NUTS
  • 39. تنظیم پارامترهای NUTS
  • 40. مزایای NUTS نسبت به HMC
  • 41. مقایسه HMC و NUTS
  • 42. کاربرد HMC و NUTS در مدل های پیچیده
  • 43. کاربرد HMC و NUTS در مدل های سلسله مراتبی
  • 44. کاربرد HMC و NUTS در مدل های آماری پیشرفته
  • 45. مثال های کاربردی HMC و NUTS
  • 46. مثال: رگرسیون خطی بیزی با HMC و NUTS
  • 47. مثال: مدل های سری زمانی با HMC و NUTS
  • 48. مثال: مدل های مکانی-زمانی با HMC و NUTS
  • 49. مثال: مدل های یادگیری ماشین با HMC و NUTS
  • 50. معیارهای ارزیابی کیفیت نمونه گیری
  • 51. همگرایی در MCMC
  • 52. شاخص همگرایی گلمن-رو宾 (Gelman-Rubin Statistic)
  • 53. شاخص های دیگر همگرایی
  • 54. تشخیص همگرایی
  • 55. اهمیت همگرایی در مدل سازی بیزی
  • 56. کاهش واریانس نمونه ها
  • 57. روش های کاهش واریانس
  • 58. استفاده از HMC و NUTS برای کاهش واریانس
  • 59. بهره وری نمونه گیری (Sampling Efficiency)
  • 60. مقایسه بهره وری HMC و NUTS
  • 61. اهمیت بهره وری در مدل سازی های بزرگ
  • 62. پیاده سازی HMC و NUTS در Stan
  • 63. سینتکس Stan برای HMC و NUTS
  • 64. تنظیمات پیش فرض HMC و NUTS در Stan
  • 65. تنظیمات پیشرفته HMC و NUTS در Stan
  • 66. اشکال زدایی مدل های Stan
  • 67. عیب یابی خطاهای HMC و NUTS
  • 68. تفسیر خروجی HMC و NUTS
  • 69. تجسم نتایج HMC و NUTS
  • 70. نکات پیشرفته در استفاده از HMC و NUTS
  • 71. ارتباط HMC و NUTS با تئوری دینامیک
  • 72. ارتباط HMC و NUTS با تئوری نظریه کنترل
  • 73. ارتباط HMC و NUTS با بهینه سازی عددی
  • 74. ملاحظات محاسباتی HMC و NUTS
  • 75. پیاده سازی های موازی HMC و NUTS
  • 76. آینده HMC و NUTS
  • 77. تحقیقات جاری در زمینه HMC و NUTS
  • 78. چالش های آینده در نمونه گیری آماری
  • 79. نقش HMC و NUTS در پیشرفت مدل سازی آماری
  • 80. خلاصه و جمع بندی HMC و NUTS

📚 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 HMC و NUTS: شتاب‌دهنده نمونه‌گیری آماری در Stan”

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

محصولات مشابه

پیمایش به بالا