کتاب تکنیک‌های پیشرفته در HMC: NUTS و فراتر از آن

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 تکنیک‌های پیشرفته در HMC: NUTS و فراتر از آن

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

موضوع میانی: نمونه‌گیری از طریق مکانیک سماوی (Hamiltonian Monte Carlo - HMC)

📋 سرفصل‌های دوره

  • 1. مبانی احتمال و آمار در مدل‌سازی آماری
  • 2. مفاهیم کلیدی در استنتاج بیزی
  • 3. مقدمه‌ای بر زنجیره‌های مارکوف مونت کارلو (MCMC)
  • 4. روش‌های نمونه‌برداری در MCMC
  • 5. مقدمه‌ای بر نمونه‌گیری از اهمیت (Importance Sampling)
  • 6. روش‌های ریجکشن سمپلینگ (Rejection Sampling)
  • 7. مبانی نمونه‌گیری از طریق رد (Metropolis-Hastings)
  • 8. الگوریتم Metropolis-Hastings: جزئیات و پیاده‌سازی
  • 9. کاربرد Metropolis-Hastings در مسائل پیچیده
  • 10. مقدمه‌ای بر زنجیره‌های مارکوف با زمان پیوسته
  • 11. مدل‌های گرافیکی احتمالاتی
  • 12. مبانی شبکه‌های بیزی
  • 13. پیاده‌سازی شبکه‌های بیزی
  • 14. استنتاج در شبکه‌های بیزی
  • 15. مقدمه‌ای بر مدل‌های مارکوف پنهان (HMM)
  • 16. کاربرد HMM در تحلیل سری‌های زمانی
  • 17. مبانی مدل‌سازی سلسله مراتبی
  • 18. نمونه‌گیری در مدل‌های سلسله مراتبی
  • 19. مقدمه‌ای بر روش‌های variational inference
  • 20. مقایسه MCMC و Variational Inference
  • 21. اصول نمونه‌گیری آنیلینگ شبیه‌سازی شده (Simulated Annealing)
  • 22. کاربرد آنیلینگ شبیه‌سازی شده در بهینه‌سازی
  • 23. مقدمه‌ای بر روش‌های نمونه‌گیری گاما (Gibbs Sampling)
  • 24. الگوریتم گاما: جزئیات و پیاده‌سازی
  • 25. کاربرد گاما در مسائل آماری
  • 26. مبانی مدل‌های خطی تعمیم‌یافته (GLM)
  • 27. استنتاج در GLM
  • 28. مقدمه‌ای بر مدل‌های خطی مختلط (LMM)
  • 29. استنتاج در LMM
  • 30. مقدمه‌ای بر مدل‌های غیرپارامتری
  • 31. روش‌های هسته (Kernel Methods)
  • 32. مبانی استنتاج غیرپارامتری بیزی
  • 33. مقدمه‌ای بر روش‌های نمونه‌گیری از طریق زنجیره (Sequential Monte Carlo)
  • 34. کاربرد SMC در تخمین چگالی
  • 35. مبانی نمونه‌گیری از طریق زنجیره مونت کارلو با گام متغیر
  • 36. مقدمه‌ای بر نمونه‌گیری Hamilton Monte Carlo (HMC)
  • 37. اصول دینامیک هامیلتونی در HMC
  • 38. معادلات حرکت در HMC
  • 39. انتخاب گام زمانی در HMC
  • 40. انتگرال‌گیرهای عددی در HMC
  • 41. انتگرال‌گیرهای Leapfrog در HMC
  • 42. اصول نمونه‌گیری NUTS (No-U-Turn Sampler)
  • 43. مکانیسم جلوگیری از چرخش در NUTS
  • 44. بهینه‌سازی گام زمانی در NUTS
  • 45. کاربرد NUTS در مدل‌های پیچیده
  • 46. مقایسه HMC و NUTS
  • 47. مقدمه‌ای بر روش‌های نمونه‌گیری از طریق انتشار (Hamiltonian Dynamics)
  • 48. کاربرد دینامیک هامیلتونی در مدل‌سازی
  • 49. اصول مکانیک آماری در نمونه‌گیری
  • 50. مبانی نظری HMC
  • 51. مقدمه‌ای بر پیاده‌سازی HMC
  • 52. نکات عملی در پیاده‌سازی HMC
  • 53. اشکال‌زدایی الگوریتم‌های MCMC
  • 54. ارزیابی همگرایی در MCMC
  • 55. معیارهای ارزیابی همگرایی (Gelman-Rubin, R-hat)
  • 56. تکنیک‌های تشخیص واگرایی در MCMC
  • 57. بهینه‌سازی پارامترهای MCMC
  • 58. مقدمه‌ای بر مدل‌های آماری پیشرفته
  • 59. مدل‌سازی سری‌های زمانی با استفاده از MCMC
  • 60. مدل‌سازی داده‌های فضایی با MCMC
  • 61. مدل‌سازی شبکه‌های پیچیده با MCMC
  • 62. کاربرد MCMC در یادگیری ماشین
  • 63. مقدمه‌ای بر شبکه‌های عصبی بیزی
  • 64. استنتاج در شبکه‌های عصبی بیزی
  • 65. کاربرد شبکه‌های عصبی بیزی در مسائل پیش‌بینی
  • 66. مقدمه‌ای بر مدل‌های مخلوط گسسته
  • 67. استنتاج در مدل‌های مخلوط گسسته
  • 68. کاربرد مدل‌های مخلوط گسسته در خوشه‌بندی
  • 69. مقدمه‌ای بر مدل‌های حالت-فضا (State-Space Models)
  • 70. استنتاج در مدل‌های حالت-فضا با MCMC
  • 71. کاربرد مدل‌های حالت-فضا در کنترل
  • 72. مقدمه‌ای بر روش‌های بهینه‌سازی بیزی
  • 73. کاربرد بهینه‌سازی بیزی در تنظیم هایپرپارامترها
  • 74. مقدمه‌ای بر یادگیری تقویتی بیزی
  • 75. استنتاج در یادگیری تقویتی بیزی
  • 76. کاربرد یادگیری تقویتی بیزی در رباتیک
  • 77. مقدمه‌ای بر مدل‌های آماری در علوم زیستی
  • 78. کاربرد MCMC در تجزیه و تحلیل داده‌های ژنتیکی
  • 79. مقدمه‌ای بر مدل‌های آماری در اقتصاد
  • 80. کاربرد MCMC در مدل‌سازی اقتصادسنجی
  • 81. مقدمه‌ای بر مدل‌های آماری در علوم اجتماعی
  • 82. کاربرد MCMC در تحلیل داده‌های پیمایشی
  • 83. مقدمه‌ای بر روش‌های مقایسه مدل‌ها
  • 84. انتخاب مدل در چارچوب بیزی
  • 85. مقدمه‌ای بر روش‌های پیش‌بینی بیزی
  • 86. ارزیابی عملکرد مدل‌های پیش‌بینی
  • 87. مقدمه‌ای بر مدل‌های آماری برای داده‌های بزرگ
  • 88. چالش‌های MCMC در داده‌های بزرگ
  • 89. راهکارهای MCMC برای داده‌های بزرگ
  • 90. مقدمه‌ای بر نرم‌افزارهای آماری برای MCMC
  • 91. استفاده از Stan برای پیاده‌سازی MCMC
  • 92. استفاده از PyMC3 برای پیاده‌سازی MCMC
  • 93. استفاده از TensorFlow Probability برای MCMC
  • 94. کاربرد ابزارهای گرافیکی در MCMC
  • 95. مقدمه‌ای بر تحقیقات پیشرفته در MCMC
  • 96. روندهای جدید در الگوریتم‌های نمونه‌گیری
  • 97. چالش‌های محاسباتی در MCMC
  • 98. آینده MCMC در مدل‌سازی آماری

📚 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.