سپنتا کتاب اکسپرس
کتاب بهینه‌سازی بیزی در عمل: پیاده‌سازی MCMC با ابزارهای مدرن

کتاب بهینه‌سازی بیزی در عمل: پیاده‌سازی MCMC با ابزارهای مدرن

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 بیزی در عمل: پیاده‌سازی MCMC با ابزارهای مدرن

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

موضوع میانی: کاربرد MCMC در بهینه‌سازی (Optimization)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر بهینه‌سازی بیزی و نظریه احتمال
  • 2. مفاهیم اساسی احتمال شرطی و استقلال
  • 3. قضیه بیز و تفسیر آن
  • 4. مدل‌های احتمالاتی و توزیع‌ها
  • 5. توزیع‌های پیشین و پسین
  • 6. انتخاب توزیع پیشین مناسب
  • 7. توزیع‌های نرمال، برنولی و پواسون
  • 8. مفاهیم توزیع‌های گاما، بتا و دیریشله
  • 9. استنتاج بیزی نقطه ای: میانگین، میانه و مد پسین
  • 10. روش‌های تقریبی در استنتاج بیزی
  • 11. معرفی روش‌های مونت کارلو سری مارکوف (MCMC)
  • 12. الگوریتم متروپولیس-هستینگز
  • 13. الگوریتم گیبس سمپلینگ
  • 14. ارزیابی همگرایی در MCMC
  • 15. معیارهای تشخیص همگرایی
  • 16. روش‌های کاهش طول زنجیره
  • 17. نمونه‌گیری از توزیع‌های پیچیده
  • 18. ابزارهای نرم‌افزاری برای MCMC
  • 19. مقدمه ای بر Stan و PyStan
  • 20. نصب و پیکربندی Stan
  • 21. نوشتن مدل‌ها در زبان Stan
  • 22. انواع مدل‌ها در Stan
  • 23. مدل‌های خطی بیزی
  • 24. مدل‌های رگرسیون لجستیک بیزی
  • 25. مدل‌های سری زمانی بیزی
  • 26. مدل‌های سلسله مراتبی بیزی
  • 27. مدل‌های فضایی بیزی
  • 28. مدل‌های گرافیکی احتمالی
  • 29. شبکه‌های بیزی و کاربردهای آن
  • 30. یادگیری ساختار شبکه بیزی
  • 31. استنتاج در شبکه‌های بیزی
  • 32. پیاده‌سازی شبکه‌های بیزی با ابزارهای متن‌باز
  • 33. معرفی کتابخانه PyMC3
  • 34. نوشتن مدل‌ها در PyMC3
  • 35. مدل‌سازی با PyMC3
  • 36. انجام محاسبات MCMC با PyMC3
  • 37. اعتبارسنجی مدل‌ها در PyMC3
  • 38. مقایسه مدل‌های بیزی با روش‌های فراوانی‌گرا
  • 39. کاربردهای بهینه‌سازی بیزی در علوم داده
  • 40. کاربرد در تحلیل داده‌های پزشکی
  • 41. کاربرد در علوم مالی و اقتصادی
  • 42. کاربرد در علوم اجتماعی و رفتاری
  • 43. کاربرد در مهندسی و علوم فیزیکی
  • 44. کاربرد در پردازش زبان طبیعی
  • 45. کاربرد در بینایی ماشین
  • 46. کاربرد در یادگیری ماشین
  • 47. روش‌های پیشرفته MCMC
  • 48. روش‌های نمونه‌گیری از طریق زنجیره مارکوف مونته کارلو بهینه شده
  • 49. روش‌های نمونه‌گیری با واریانس کاهش یافته
  • 50. نمونه‌گیری از طریق توزیع‌های ترکیبی
  • 51. روش‌های مبتنی بر بهینه‌سازی
  • 52. بهینه‌سازی بیزی برای تنظیم ابرپارامترها
  • 53. جستجوی شبکه‌ای بیزی
  • 54. بهینه‌سازی بیزی با استفاده از فرآیندهای گوسی
  • 55. تنظیم پارامترهای مدل‌های یادگیری عمیق با بهینه‌سازی بیزی
  • 56. مدل‌سازی عدم قطعیت در پیش‌بینی‌ها
  • 57. ارزیابی عدم قطعیت در مدل‌های بیزی
  • 58. مدیریت عدم قطعیت در تصمیم‌گیری
  • 59. تکنیک‌های پیشرفته مدل‌سازی بیزی
  • 60. مدل‌سازی حالت-فضا بیزی
  • 61. مدل‌سازی خطی تعمیم یافته بیزی
  • 62. مدل‌سازی توزیع‌های مخلوط بیزی
  • 63. مدل‌سازی داده‌های شمارشی بیزی
  • 64. مدل‌سازی داده‌های طبقه‌بندی بیزی
  • 65. مدل‌سازی داده‌های بقا بیزی
  • 66. مدل‌سازی داده‌های پانل بیزی
  • 67. روش‌های خودکار مدل‌سازی بیزی
  • 68. سیستم‌های خودکار inference بیزی
  • 69. یادگیری خودکار مدل‌های بیزی
  • 70. مدل‌سازی بیزی قابل تفسیر
  • 71. تفسیر نتایج مدل‌های بیزی
  • 72. تجسم نتایج MCMC
  • 73. اعتبارسنجی و اعتبارسنجی متقابل مدل‌های بیزی
  • 74. مقایسه مدل‌های مختلف بیزی
  • 75. انتخاب مدل بر اساس معیارهای بیزی
  • 76. معیارهای اطلاعاتی بیزی (AIC, BIC)
  • 77. معیار اطلاعاتی کرافورد-وورد (DIC)
  • 78. معیار اطلاعاتی پسین (APA)
  • 79. ارزیابی حساسیت مدل به توزیع پیشین
  • 80. تأثیر انتخاب توزیع پیشین بر نتایج
  • 81. روش‌های انتخاب توزیع پیشین غیرمطلع
  • 82. روش‌های انتخاب توزیع پیشین مطلع
  • 83. پیاده‌سازی MCMC با زبان پایتون و کتابخانه‌های مرتبط
  • 84. آشنایی با کتابخانه ArviZ
  • 85. تجسم نتهایج ArviZ
  • 86. اعتبارسنجی مدل‌ها با ArviZ
  • 87. کاربرد ArviZ در ارزیابی همگرایی
  • 88. مقدمه ای بر بهینه‌سازی بیزی در عمل
  • 89. پیاده‌سازی MCMC با ابزارهای مدرن
  • 90. مفاهیم کلیدی در بهینه‌سازی بیزی
  • 91. کاربرد ابزارهای مدرن در MCMC
  • 92. پیشرفت‌های اخیر در MCMC
  • 93. آینده بهینه‌سازی بیزی

📚 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.