سپنتا کتاب اکسپرس
کتاب بهینه‌سازی فرآیند MCMC با Stan

کتاب بهینه‌سازی فرآیند MCMC با 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 فرآیند MCMC با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر روش‌های نمونه‌گیری از توزیع پسین
  • 2. مفاهیم اولیه زنجیره مارکوف مونت کارلو (MCMC)
  • 3. آشنایی با نرم‌افزار Stan
  • 4. نصب و راه‌اندازی Stan
  • 5. زبان برنامه‌نویسی Stan: ساختار کلی
  • 6. تعریف مدل‌های احتمالاتی در Stan
  • 7. توابع چگالی احتمال (PDF) در Stan
  • 8. توابع توزیع تجمعی (CDF) در Stan
  • 9. نمونه‌گیری از توزیع‌های پیشین و پسین
  • 10. مدل‌های خطی ساده در Stan
  • 11. مدل‌های رگرسیون خطی با Stan
  • 12. تخمین پارامترها در مدل‌های خطی
  • 13. ارزیابی کیفیت نمونه‌ها در MCMC
  • 14. معیارهای همگرایی در MCMC
  • 15. نمودارهای Trace Plot و Autocorrelation
  • 16. شاخص R-hat برای ارزیابی همگرایی
  • 17. کاهش واریانس در نمونه‌گیری MCMC
  • 18. نمونه‌گیری Importance Sampling
  • 19. تکنیک‌های نمونه‌گیری Importance Sampling
  • 20. کاربرد Importance Sampling در Stan
  • 21. روش‌های نمونه‌گیری نمونه‌گیری نمونه‌گیری (SGLD)
  • 22. مفاهیم پایه نمونه‌گیری نمونه‌گیری نمونه‌گیری
  • 23. کاربرد SGLD در مدل‌های احتمالی
  • 24. بهینه‌سازی پارامترهای مدل در Stan
  • 25. بهینه‌سازی تابع هدف در Stan
  • 26. تکنیک‌های بهینه‌سازی عددی
  • 27. گرادیان نزولی تصادفی (SGD)
  • 28. کاربرد SGD در آموزش مدل‌های احتمالی
  • 29. بهینه‌سازی با استفاده از Hamiltonian Monte Carlo (HMC)
  • 30. مبانی HMC
  • 31. پیاده‌سازی HMC در Stan
  • 32. تفاوت HMC با سایر روش‌های MCMC
  • 33. نمونه‌گیری با گام‌های تطبیقی (Adaptive MCMC)
  • 34. طراحی گام‌های تطبیقی
  • 35. کاربرد گام‌های تطبیقی در Stan
  • 36. روش‌های نمونه‌گیری با مقیاس‌بندی (NUTS)
  • 37. الگوریتم No-U-Turn Sampler
  • 38. مزایای NUTS نسبت به HMC
  • 39. پیاده‌سازی NUTS در Stan
  • 40. مدل‌های سلسله مراتبی در Stan
  • 41. تعریف مدل‌های سلسله مراتبی
  • 42. کاربرد مدل‌های سلسله مراتبی در آمار
  • 43. تخمین پارامترها در مدل‌های سلسله مراتبی
  • 44. مدل‌های خطی تعمیم‌یافته (GLMs) در Stan
  • 45. آشنایی با GLMs
  • 46. پیاده‌سازی GLMs در Stan
  • 47. تفسیر نتایج GLMs
  • 48. مدل‌های بیزی برای سری‌های زمانی
  • 49. مدل‌های ARIMA بیزی
  • 50. مدل‌های حالت-فضا بیزی
  • 51. کاربرد سری‌های زمانی در Stan
  • 52. مدل‌های بیزی برای داده‌های طبقه‌بندی
  • 53. رگرسیون لجستیک بیزی
  • 54. طبقه‌بندی بیزی با استفاده از شبکه‌های عصبی
  • 55. کاربرد داده‌های طبقه‌بندی در Stan
  • 56. مدل‌های بیزی برای داده‌های خوشه‌ای
  • 57. تکنیک‌های خوشه‌بندی بیزی
  • 58. مدل‌های مخلوط بیزی
  • 59. کاربرد داده‌های خوشه‌ای در Stan
  • 60. اعتبارسنجی مدل و انتخاب مدل
  • 61. اعتبارسنجی متقابل (Cross-validation)
  • 62. معیارهای انتخاب مدل
  • 63. مقایسه مدل‌ها با استفاده از معیارهای بیزی
  • 64. مفاهیم پیشرفته در Stan
  • 65. استفاده از Stan برای مدل‌های غیر پارامتری
  • 66. مدل‌های بیزی برای یادگیری عمیق
  • 67. بهینه‌سازی مدل‌های پیچیده با Stan
  • 68. ملاحظات عملی در استفاده از Stan
  • 69. مدیریت حافظه و زمان اجرا در Stan
  • 70. اشکال‌زدایی مدل‌های Stan
  • 71. نکات تکمیلی برای نوشتن کدهای Stan
  • 72. مطالعه موردی: مدل‌سازی آماری در علوم زیستی
  • 73. مطالعه موردی: مدل‌سازی اقتصادی با Stan
  • 74. مطالعه موردی: مدل‌سازی در علوم اجتماعی
  • 75. مطالعه موردی: کاربرد در مهندسی
  • 76. مقدمه‌ای بر بهینه‌سازی فرآیند MCMC
  • 77. چالش‌های بهینه‌سازی در MCMC
  • 78. تکنیک‌های افزایش کارایی MCMC
  • 79. بهینه‌سازی فضای حالت در MCMC
  • 80. استفاده از اطلاعات قبلی در MCMC
  • 81. تنظیم پارامترهای نمونه‌گیری
  • 82. بهینه‌سازی توابع هدف پیچیده
  • 83. روش‌های کاهش ابعاد در MCMC
  • 84. تحلیل حساسیت پارامترها
  • 85. بهبود همگرایی در MCMC
  • 86. اعتبارسنجی نتایج MCMC
  • 87. مقایسه روش‌های نمونه‌گیری
  • 88. بهینه‌سازی تخصیص منابع در MCMC
  • 89. کاربرد Stan در پروژه‌های تحقیقاتی
  • 90. اصول طراحی مدل‌های احتمالی
  • 91. ملاحظات اخلاقی در مدل‌سازی آماری
  • 92. آینده MCMC و Stan
  • 93. جمع‌بندی و گام‌های بعدی

📚 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.