سپنتا کتاب اکسپرس
کتاب بهینه‌سازی اجرای MCMC در Stan

کتاب بهینه‌سازی اجرای MCMC در 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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی اجرای MCMC در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر روش‌های مونت کارلو زنجیره مارکوف (MCMC)
  • 2. اصول زنجیره‌های مارکوف و فضای حالت
  • 3. مفهوم توزیع هدف و توزیع پیشین
  • 4. اهمیت نمونه‌برداری در استنباط بیزی
  • 5. معرفی نرم‌افزار Stan برای مدل‌سازی آماری
  • 6. نصب و راه‌اندازی Stan
  • 7. ساختار کلی مدل در Stan
  • 8. زبان مدل‌سازی Stan
  • 9. انواع داده‌ها و متغیرها در Stan
  • 10. تعریف متغیرهای مشاهده‌شده و پنهان
  • 11. توابع احتمال و تابع درست‌نمایی
  • 12. توزیع‌های پیشین مناسب در مدل‌های بیزی
  • 13. پیاده‌سازی مدل‌های خطی ساده در Stan
  • 14. مدل‌های رگرسیون خطی بیزی
  • 15. تفسیر نتایج مدل‌های خطی در Stan
  • 16. ارزیابی همگرایی زنجیره‌های MCMC
  • 17. معیارهای استاندارد همگرایی (R-hat، ESS)
  • 18. تشخیص عدم همگرایی و راه‌های رفع آن
  • 19. مقدمه‌ای بر الگوریتم‌های نمونه‌برداری MCMC
  • 20. نمونه‌بردار گیبس (Gibbs Sampler)
  • 21. نمونه‌بردار پذیرش-رد (Acceptance-Rejection Sampler)
  • 22. الگوریتم گام تصادفی (Random Walk Metropolis-Hastings)
  • 23. الگوریتم Metropolis-Hastings
  • 24. بهینه‌سازی پارامترهای الگوریتم‌های MCMC
  • 25. تنظیم گام تصادفی در Metropolis-Hastings
  • 26. استفاده از پیش‌شرط‌گذار در الگوریتم‌های MCMC
  • 27. معرفی الگوریتم نمونه‌برداری هامیلتونی (HMC)
  • 28. اصول فیزیکی پشت HMC
  • 29. مزایای HMC نسبت به Metropolis-Hastings
  • 30. الگوریتم نمونه‌برداری دینامیک متناوب (NUTS)
  • 31. نحوه عملکرد NUTS
  • 32. تنظیم پارامترهای NUTS در Stan
  • 33. مقایسه الگوریتم‌های مختلف MCMC
  • 34. انتخاب الگوریتم مناسب برای مدل‌های مختلف
  • 35. مدل‌های سلسله‌مراتبی در Stan
  • 36. مزایای مدل‌های سلسله‌مراتبی
  • 37. پیاده‌سازی مدل‌های سلسله‌مراتبی خطی
  • 38. مدل‌های رگرسیون لجستیک بیزی
  • 39. مدل‌های سری زمانی بیزی
  • 40. مدل‌سازی داده‌های شمارشی در Stan
  • 41. مدل‌سازی داده‌های باقیمانده در Stan
  • 42. استفاده از توابع شرطی در Stan
  • 43. پیاده‌سازی مدل‌های پیشرفته‌تر
  • 44. مدل‌های عامل پنهان (Latent Factor Models)
  • 45. مدل‌های شبکه‌ای بیزی
  • 46. کاربرد MCMC در بهینه‌سازی تابع هدف
  • 47. بهینه‌سازی پارامترها با استفاده از MCMC
  • 48. روش‌های پیشرفته برای تسریع همگرایی
  • 49. استفاده از موازی‌سازی در Stan
  • 50. نکات عملی برای نوشتن کدهای Stan کارآمد
  • 51. اشکال‌زدایی مدل‌های Stan
  • 52. مدیریت خطاهای رایج در Stan
  • 53. بهینه‌سازی مصرف حافظه در Stan
  • 54. استفاده از داده‌های بزرگ در Stan
  • 55. ارزیابی حساسیت مدل به تغییر توزیع پیشین
  • 56. تحلیل پسین (Posterior Predictive Checks)
  • 57. اعتبارسنجی مدل با داده‌های جدید
  • 58. مقایسه مدل‌های رقیب
  • 59. استفاده از معیارهای اطلاعاتی (AIC, BIC, WAIC)
  • 60. نکات پیشرفته در تحلیل نتایج MCMC
  • 61. تجسم نتهایج MCMC
  • 62. نمودارهای ردیابی (Trace Plots)
  • 63. نمودارهای چگالی پسین (Posterior Density Plots)
  • 64. نمودارهای جعبه‌ای (Box Plots)
  • 65. تحلیل وابستگی بین پارامترها
  • 66. کاربردهای عملی MCMC در حوزه‌های مختلف
  • 67. مدل‌سازی مالی با MCMC
  • 68. کاربرد در علوم زیستی و پزشکی
  • 69. مدل‌سازی در علوم اجتماعی
  • 70. بهینه‌سازی در مهندسی
  • 71. معرفی ابزارهای جانبی برای Stan
  • 72. بسته‌های R و Python برای Stan
  • 73. تجسم نتایج با استفاده از بسته‌های دیگر
  • 74. روش‌های بهینه‌سازی اجرای MCMC
  • 75. انتخاب گام اولیه مناسب
  • 76. استفاده از پیش‌شرط‌گذار مناسب
  • 77. تنظیم تعداد تکرارها و اندازه‌ی گام
  • 78. راهکارهای افزایش نرخ پذیرش
  • 79. استفاده از نمونه‌برداری انطباقی
  • 80. تکنیک‌های فشرده‌سازی داده‌های زنجیره
  • 81. مدل‌سازی پیشرفته‌تر با Stan
  • 82. مدل‌های فضایی بیزی
  • 83. مدل‌سازی روابط پیچیده بین متغیرها
  • 84. استفاده از توابع نقل و انتقال (Transfer Functions)
  • 85. مدل‌سازی پدیده‌های غیرخطی
  • 86. تحلیل عدم قطعیت در مدل‌ها
  • 87. روش‌های شبیه‌سازی مونت کارلو پیشرفته
  • 88. روش‌های نمونه‌برداری از توزیع‌های پیچیده
  • 89. بهینه‌سازی تخصیص منابع با MCMC
  • 90. کاربرد در تصمیم‌گیری‌های پیچیده
  • 91. نکات پایانی و جمع‌بندی

📚 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.