سپنتا کتاب اکسپرس
کتاب دنیای الگوریتم‌های پایه MCMC

کتاب دنیای الگوریتم‌های پایه MCMC

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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره دنیای الگوریتم‌های پایه MCMC

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

موضوع میانی: الگوریتم‌های MCMC پایه

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر روش‌های مونت کارلو
  • 2. اصول زنجیره‌های مارکوف
  • 3. فضای حالت و انتقال
  • 4. احتمالات انتقال
  • 5. توزیع حالت پایدار
  • 6. همگرایی زنجیره مارکوف
  • 7. الگوریتم Metropolis-Hastings
  • 8. تابع هدف (Kernel)
  • 9. تابع پیشنهاد (Proposal)
  • 10. نسبت پذیرش
  • 11. پذیرش یا رد گام
  • 12. الگوریتم Metropolis
  • 13. کاربرد Metropolis-Hastings
  • 14. مثال‌های ساده Metropolis-Hastings
  • 15. پیچیدگی Metropolis-Hastings
  • 16. انتخاب تابع پیشنهاد مناسب
  • 17. تنظیم گام (Tuning)
  • 18. تشخیص همگرایی
  • 19. روش‌های بصری تشخیص همگرایی
  • 20. معیارهای کمی تشخیص همگرایی
  • 21. تعداد تکرارها (Burn-in)
  • 22. نمونه‌برداری از توزیع‌های پیچیده
  • 23. توزیع‌های چندمتغیره
  • 24. توزیع‌های شرطی
  • 25. نمونه‌برداری از توزیع‌های نرمال چندمتغیره
  • 26. نمونه‌برداری از توزیع‌های گوسی
  • 27. کاربردهای Bayesian
  • 28. استنتاج بیزی
  • 29. قضیه بیز
  • 30. توزیع پیشین (Prior)
  • 31. توزیع پسین (Posterior)
  • 32. تابع درست‌نمایی (Likelihood)
  • 33. توزیع نرمال پیشین
  • 34. توزیع گاما پیشین
  • 35. انتخاب توزیع پیشین مناسب
  • 36. چالش‌های توزیع پیشین
  • 37. توزیع پسین پیچیده
  • 38. نمونه‌برداری از توزیع پسین
  • 39. الگوریتم Gibbs Sampling
  • 40. اصل Gibbs Sampling
  • 41. شرطی‌های مرتبه اول
  • 42. شرطی‌های مرتبه دوم
  • 43. کاربرد Gibbs Sampling
  • 44. مثال‌های ساده Gibbs Sampling
  • 45. پیچیدگی Gibbs Sampling
  • 46. مقایسه Metropolis-Hastings و Gibbs Sampling
  • 47. ترکیب الگوریتم‌ها
  • 48. الگوریتم‌های MCMC پیشرفته
  • 49. Hamiltonian Monte Carlo (HMC)
  • 50. اصل HMC
  • 51. معادله حرکت هامیلتونی
  • 52. انرژی پتانسیل و جنبشی
  • 53. پارامتر گام زمانی
  • 54. تعداد گام‌های انتگرال‌گیری
  • 55. انتگرال‌گیری عددی
  • 56. کاربرد HMC
  • 57. مثال‌های HMC
  • 58. پیچیدگی HMC
  • 59. NUTS (No-U-Turn Sampler)
  • 60. بهبود NUTS
  • 61. کاربرد NUTS
  • 62. امکان‌سنجی الگوریتم‌های MCMC
  • 63. انتخاب بهترین الگوریتم MCMC
  • 64. ارزیابی کیفیت نمونه‌ها
  • 65. شاخص‌های ارزیابی کیفیت
  • 66. شاخص R-hat (Gelman-Rubin)
  • 67. شاخص Autocorrelation
  • 68. نمودار Trace Plot
  • 69. نمودار Autocorrelation Plot
  • 70. کاهش همبستگی نمونه‌ها
  • 71. کاهش واریانس نمونه‌ها
  • 72. روش‌های موازی‌سازی MCMC
  • 73. کاهش زمان محاسبات
  • 74. کاربرد MCMC در آمار
  • 75. کاربرد MCMC در یادگیری ماشین
  • 76. کاربرد MCMC در بهینه‌سازی
  • 77. کاربرد MCMC در علوم کامپیوتر
  • 78. کاربرد MCMC در مهندسی
  • 79. کاربرد MCMC در فیزیک
  • 80. کاربرد MCMC در زیست‌شناسی
  • 81. کاربرد MCMC در اقتصاد
  • 82. کاربرد MCMC در علوم اجتماعی
  • 83. کاربرد MCMC در پردازش سیگنال
  • 84. کاربرد MCMC در بینایی ماشین
  • 85. کاربرد MCMC در پردازش زبان طبیعی
  • 86. کاربرد MCMC در شبکه‌های عصبی
  • 87. کاربرد MCMC در مدل‌های گرافیکی
  • 88. مقدمه‌ای بر مدل‌های گرافیکی
  • 89. شبکه‌های بیزی
  • 90. میدان‌های تصادفی مارکوف
  • 91. کاربرد MCMC در مدل‌های گرافیکی پیشرفته
  • 92. ملاحظات پیاده‌سازی MCMC
  • 93. کتابخانه‌های نرم‌افزاری MCMC
  • 94. PyMC3
  • 95. Stan
  • 96. JAGS
  • 97. BUGS
  • 98. پیاده‌سازی سفارشی MCMC
  • 99. اشکال‌زدایی الگوریتم‌های MCMC
  • 100. چالش‌های عملی MCMC

📚 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.