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 مدل‌سازی آماری بیزی
  • 2. مفاهیم پایه احتمال و آمار
  • 3. توزیع‌های احتمال گسسته و پیوسته
  • 4. مقدمه‌ای بر زنجیره‌های مارکوف
  • 5. فرآیندهای مارکوفی زنجیره‌ای
  • 6. نظریه نمونه‌گیری
  • 7. مقدمه‌ای بر الگوریتم‌های MCMC
  • 8. روش مونت کارلو در فضای حالت
  • 9. روش گیبس (Gibbs Sampling)
  • 10. شبیه‌سازی مارکوف زنجیره‌ای مونت کارلو
  • 11. پیاده‌سازی الگوریتم گیبس
  • 12. روش نمونه‌گیری پذیرش-رد (Acceptance-Rejection Sampling)
  • 13. روش نمونه‌گیری اهمیت (Importance Sampling)
  • 14. روش نمونه‌گیری مونت کارلو با اهمیت
  • 15. معرفی نرم‌افزار Stan
  • 16. قابلیت‌های Stan برای مدل‌سازی آماری
  • 17. نحو زبان Stan
  • 18. ساختار مدل در Stan
  • 19. تعریف متغیرهای مشاهده شده و پنهان
  • 20. تعریف پارامترهای مدل
  • 21. تعریف پیشین‌ها (Priors)
  • 22. نوشتن مدل‌های ساده در Stan
  • 23. نوشتن توابع در Stan
  • 24. استفاده از حلقه‌ها و شرط‌ها در Stan
  • 25. نمونه‌گیری از توزیع‌های شرطی
  • 26. دستورات نمونه‌گیری در Stan
  • 27. نمونه‌گیری از توزیع نرمال در Stan
  • 28. نمونه‌گیری از توزیع بتا در Stan
  • 29. نمونه‌گیری از توزیع پواسون در Stan
  • 30. نمونه‌گیری از توزیع نمایی در Stan
  • 31. پیاده‌سازی مدل‌های رگرسیونی خطی در Stan
  • 32. رگرسیون خطی بیزی
  • 33. مدل‌های خطی تعمیم‌یافته (GLMs) در Stan
  • 34. مدل‌های لجستیک بیزی
  • 35. مدل‌های پواسون بیزی
  • 36. مدل‌های رگرسیونی سلسله مراتبی در Stan
  • 37. مزایای مدل‌های سلسله مراتبی
  • 38. پیاده‌سازی مدل‌های سلسله مراتبی ساده
  • 39. مدل‌های سلسله مراتبی با اثرات تصادفی
  • 40. مدل‌های سلسله مراتبی برای داده‌های سری زمانی
  • 41. مدل‌های سلسله مراتبی برای داده‌های مکانی
  • 42. مقدمه‌ای بر تشخیص همگرایی در MCMC
  • 43. معیارهای همگرایی (Gelman-Rubin)
  • 44. نمودارهای trace plot
  • 45. نمودارهای autocorrelation plot
  • 46. تشخیص عدم همگرایی
  • 47. تنظیم پارامترهای MCMC در Stan
  • 48. تعداد گام‌های نمونه‌گیری
  • 49. تعداد زنجیره‌ها
  • 50. اندازه batch (stepsize)
  • 51. تعداد burn-in
  • 52. تنظیم پارامترهای پیشرفته MCMC
  • 53. استفاده از الگوریتم‌های نمونه‌گیری متفاوت در Stan
  • 54. نمونه‌گیری با متغیرهای پنهان (HMC)
  • 55. نمونه‌گیری با بهینه‌سازی (NUTS)
  • 56. تنظیم پارامترهای NUTS
  • 57. تنظیم پارامترهای HMC
  • 58. بررسی و اعتبارسنجی مدل‌ها
  • 59. محاسبه معیارهای اطلاعاتی (DIC, WAIC)
  • 60. تحلیل باقی‌مانده‌ها (Residual Analysis)
  • 61. اعتبارسنجی متقابل (Cross-validation)
  • 62. مقایسه مدل‌های مختلف
  • 63. تجسم نتایج مدل‌سازی بیزی
  • 64. نمودارهای تراکم (Density Plots)
  • 65. نمودارهای احتمال (Probability Plots)
  • 66. نمودارهای پیش‌بینی (Posterior Predictive Checks)
  • 67. تفسیر نتایج Habl
  • 68. کاربرد MCMC در مسائل آماری واقعی
  • 69. مدل‌سازی داده‌های زیستی
  • 70. مدل‌سازی داده‌های اقتصادی
  • 71. مدل‌سازی داده‌های اجتماعی
  • 72. مدل‌سازی داده‌های مهندسی
  • 73. مباحث پیشرفته در Stan
  • 74. استفاده از Stan برای مدل‌های غیرپارامتری
  • 75. استفاده از Stan برای مدل‌های پویا
  • 76. استفاده از Stan برای مدل‌های شبکه‌ای
  • 77. توسعه مدل‌های سفارشی در Stan
  • 78. بهینه‌سازی کد Stan
  • 79. نکات و ترفندهای کاربردی در Stan
  • 80. اشکال‌زدایی (Debugging) در Stan
  • 81. ملاحظات محاسباتی در MCMC
  • 82. موازی‌سازی در Stan
  • 83. استفاده از GPU در Stan
  • 84. مدیریت حافظه در Stan
  • 85. کاربرد Stan در تحقیقات علمی
  • 86. مقالات علمی منتشر شده با استفاده از Stan
  • 87. جامعه کاربران Stan
  • 88. منابع آموزشی تکمیلی برای Stan
  • 89. مطالعه کتب مرجع تخصصی Stan
  • 90. کارگاه‌های آموزشی Stan
  • 91. پروژه‌های عملی با Stan
  • 92. تکمیل پروژه نهایی با استفاده از Stan
  • 93. ارائه نتایج پروژه نهایی

📚 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.