سپنتا کتاب اکسپرس
کتاب تنظیم پارامترهای MCMC برای Stan

کتاب تنظیم پارامترهای MCMC برای 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 تنظیم پارامترهای MCMC برای Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر نمونه‌گیری زنجیره مارکوف مونت کارلو
  • 2. مبانی نظری MCMC
  • 3. کاربرد MCMC در آمار بیزی
  • 4. مفاهیم اساسی در مدل‌سازی آماری
  • 5. توزیع‌های احتمال و توابع چگالی
  • 6. مفهوم پارامترهای مدل
  • 7. نیاز به تخمین پارامترها
  • 8. محدودیت‌های روش‌های تحلیلی
  • 9. معرفی نرم‌افزار Stan
  • 10. قابلیت‌های Stan برای مدل‌سازی بیزی
  • 11. نصب و راه‌اندازی Stan
  • 12. آشنایی با زبان Stan (Stan Language)
  • 13. نوشتن مدل‌های ساده در Stan
  • 14. تعریف متغیرهای مشاهده‌شده و پنهان
  • 15. توابع احتمال و توابع پیشین
  • 16. نوشتن تابع درست‌نمایی
  • 17. تعیین توابع پیشین مناسب
  • 18. مفهوم زنجیره مارکوف
  • 19. خواص زنجیره مارکوف
  • 20. ارگودیسیته و ایستا بودن
  • 21. الگوریتم Metropolis-Hastings
  • 22. مراحل الگوریتم Metropolis-Hastings
  • 23. انتخاب تابع پیشنهاد (Proposal Distribution)
  • 24. مفهوم پذیرش/رد نمونه
  • 25. الگوریتم Gibbs Sampling
  • 26. مراحل الگوریتم Gibbs Sampling
  • 27. شرایط لازم برای Gibbs Sampling
  • 28. مقایسه Metropolis-Hastings و Gibbs Sampling
  • 29. مفهوم توزیع پسین (Posterior Distribution)
  • 30. توزیع پسین در آمار بیزی
  • 31. چالش‌های محاسبه توزیع پسین
  • 32. معرفی پارامترهای MCMC
  • 33. اهمیت تنظیم پارامترهای MCMC
  • 34. پارامترهای کلیدی در MCMC
  • 35. تعداد تکرارها (Iterations)
  • 36. تعداد گام‌های اولیه (Burn-in)
  • 37. نمونه‌برداری پس از Burn-in
  • 38. اندازه زنجیره (Chain Length)
  • 39. تعداد زنجیره‌ها (Number of Chains)
  • 40. اهمیت اجرای چندین زنجیره
  • 41. همگرایی (Convergence)
  • 42. معیارهای ارزیابی همگرایی
  • 43. نمودارهای Trace Plot
  • 44. آماره‌های توصیفی زنجیره‌ها
  • 45. مقدار R-hat (Gelman-Rubin Statistic)
  • 46. تفسیر مقدار R-hat
  • 47. آماره‌های دیگر همگرایی
  • 48. مشکلات رایج در همگرایی
  • 49. گیر افتادن در بهینه‌های محلی (Local Optima)
  • 50. سرعت پایین همگرایی
  • 51. تشخیص مشکلات همگرایی
  • 52. راهکارهای بهبود همگرایی
  • 53. تنظیم تابع پیشنهاد
  • 54. افزایش تعداد تکرارها
  • 55. تغییر توابع پیشین
  • 56. استفاده از الگوریتم‌های پیشرفته‌تر
  • 57. تنظیم پارامترهای Stan
  • 58. تنظیمات پیش‌فرض Stan
  • 59. تنظیمات مربوط به MCMC در Stan
  • 60. پارامتر `iter`
  • 61. پارامتر `warmup`
  • 62. پارامتر `chains`
  • 63. پارامتر `thin`
  • 64. تأثیر پارامتر `thin`
  • 65. تنظیمات مربوط به بهینه‌سازی
  • 66. تنظیمات مربوط به الگوریتم‌های نمونه‌برداری
  • 67. تنظیمات خاص برای الگوریتم‌های نمونه‌برداری
  • 68. تنظیم پارامترهای الگوریتم Hamiltonian Monte Carlo (HMC)
  • 69. تنظیم `stepsize` (epsilon)
  • 70. تنظیم `number of steps` (L)
  • 71. پارامترهای الگوریتم No-U-Turn Sampler (NUTS)
  • 72. تنظیم `adapt delta`
  • 73. تنظیم `max treedepth`
  • 74. تنظیم پارامترهای الگوریتم Gibbs
  • 75. تنظیم پارامترهای الگوریتم Metropolis
  • 76. ارزیابی کیفیت نمونه‌ها
  • 77. اتوکورلاسیون (Autocorrelation)
  • 78. نمودارهای اتوکورلاسیون
  • 79. اندازه‌گیری اتوکورلاسیون
  • 80. اثرات اتوکورلاسیون بر تخمین واریانس
  • 81. تخمین واریانس مؤثر (Effective Sample Size - ESS)
  • 82. محاسبه ESS
  • 83. اهمیت ESS بالا
  • 84. تفسیر ESS
  • 85. ارتباط ESS با اتوکورلاسیون
  • 86. تنظیم پارامترها برای کاهش اتوکورلاسیون
  • 87. افزایش تعداد گام‌ها در HMC/NUTS
  • 88. تنظیم تابع پیشنهاد در Metropolis-Hastings
  • 89. تنظیم `thin` برای کاهش اتوکورلاسیون
  • 90. ارزیابی کارایی نمونه‌گیری
  • 91. زمان اجرای مدل
  • 92. تعداد نمونه‌های مؤثر در واحد زمان
  • 93. مقایسه تنظیمات مختلف پارامترها
  • 94. بررسی تأثیر تغییر هر پارامتر
  • 95. بهینه‌سازی پارامترها برای مدل‌های پیچیده
  • 96. مدل‌های با ابعاد بالا
  • 97. مدل‌های با ساختارهای پیچیده
  • 98. مدل‌های با توزیع‌های پسین نامتعارف
  • 99. نکات کاربردی در تنظیم پارامترها
  • 100. تجربه و آزمون و خطا

📚 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.