کتاب بهینه‌سازی اجرای MCMC در 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 اجرای MCMC در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر زنجیره‌های مارکوف مونت کارلو (MCMC)
  • 2. اصول اساسی نمونه‌گیری MCMC
  • 3. روش‌های نمونه‌گیری MCMC
  • 4. معرفی نرم‌افزار Stan
  • 5. نصب و پیکربندی Stan
  • 6. مفاهیم پایه در Stan: مدل‌ها و داده‌ها
  • 7. نوشتن مدل‌های آماری در Stan
  • 8. تعریف متغیرهای تصادفی در Stan
  • 9. نوشتن توابع احتمال در Stan
  • 10. انجام نمونه‌گیری در Stan
  • 11. ارزیابی همگرایی زنجیره‌ها در Stan
  • 12. معیارهای همگرایی MCMC (Gelman-Rubin, R-hat)
  • 13. تشخیص واگرایی زنجیره‌ها
  • 14. تجسم نتایج نمونه‌گیری در Stan
  • 15. رسم نمودارهای توزیع پسین
  • 16. رسم نمودارهای زنجیره
  • 17. محاسبه آماره‌های توصیفی از نمونه‌ها
  • 18. استفاده از بسته‌های R و Python برای Stan
  • 19. اتصال Stan به R (rstan)
  • 20. اتصال Stan به Python (pystan)
  • 21. مدل‌های خطی تعمیم‌یافته (GLMs) در Stan
  • 22. مدل‌های رگرسیون خطی در Stan
  • 23. مدل‌های رگرسیون لجستیک در Stan
  • 24. مدل‌های رگرسیون پواسون در Stan
  • 25. مدل‌های سلسله‌مراتبی در Stan
  • 26. معرفی مدل‌های سلسله‌مراتبی
  • 27. پیاده‌سازی مدل‌های سلسله‌مراتبی در Stan
  • 28. مدل‌های اثرات ثابت و تصادفی
  • 29. مدل‌های اثرات مشترک
  • 30. مدل‌های فضایی در Stan
  • 31. نمونه‌گیری از توزیع‌های پیچیده
  • 32. روش‌های نمونه‌گیری تقدم‌یافته (NUTS)
  • 33. نمونه‌گیری با گام‌های متغیر
  • 34. تنظیم پارامترهای NUTS
  • 35. بهینه‌سازی پارامترهای نمونه‌گیری
  • 36. تنظیم اندازه گام
  • 37. تنظیم تعداد مراحل
  • 38. تنظیم پارامترهای تصادفی
  • 39. استفاده از اولویت‌ها برای تسریع نمونه‌گیری
  • 40. تنظیمات پیشرفته در Stan
  • 41. استفاده از قابلیت‌های موازی‌سازی
  • 42. مدیریت حافظه در Stan
  • 43. اشکال‌زدایی مدل‌های Stan
  • 44. نوشتن تست‌های واحد برای مدل‌ها
  • 45. بهینه‌سازی کد Stan
  • 46. شناسایی گلوگاه‌های عملکردی
  • 47. استفاده از دستورات بهینه
  • 48. کاهش پیچیدگی محاسباتی
  • 49. ملاحظات مربوط به داده‌ها در Stan
  • 50. پیش‌پردازش داده‌ها
  • 51. مقیاس‌بندی متغیرها
  • 52. مدیریت داده‌های گم‌شده
  • 53. استفاده از داده‌های شبیه‌سازی شده برای تست
  • 54. کاربردهای پیشرفته MCMC در Stan
  • 55. مدل‌سازی سری‌های زمانی
  • 56. مدل‌های اتورگرسیو (AR, MA, ARMA)
  • 57. مدل‌های اتورگرسیو شرطی ناهمسانی واریانس (GARCH)
  • 58. مدل‌های فضایی-زمانی
  • 59. مدل‌سازی شبکه‌های اجتماعی
  • 60. مدل‌های گرافیکی احتمالاتی
  • 61. مدل‌های استنتاج در شبکه‌های پیچیده
  • 62. کاربرد در علوم زیستی
  • 63. مدل‌سازی رشد جمعیت
  • 64. مدل‌سازی پاسخ به درمان
  • 65. مدل‌سازی ژنتیکی
  • 66. کاربرد در علوم اقتصادی
  • 67. مدل‌سازی اقتصادسنجی
  • 68. مدل‌سازی ریسک مالی
  • 69. مدل‌سازی رفتار مصرف‌کننده
  • 70. کاربرد در علوم اجتماعی
  • 71. تحلیل داده‌های نظرسنجی
  • 72. مدل‌سازی انتخاب
  • 73. تحلیل داده‌های کیفی
  • 74. تکنیک‌های پیشرفته نمونه‌گیری
  • 75. نمونه‌گیری از ترکیب توزیع‌ها
  • 76. نمونه‌گیری از طریق ری‌سامپلینگ (Resampling)
  • 77. روش‌های نمونه‌گیری مبتنی بر اهمیت (Importance Sampling)
  • 78. روش‌های نمونه‌گیری تخمینی (Variational Inference)
  • 79. روش‌های نمونه‌گیری ترکیبی (Hybrid Methods)
  • 80. ارزیابی و مقایسه مدل‌ها
  • 81. معیارهای اطلاعاتی (AIC, BIC)
  • 82. معیارهای مبتنی بر پیش‌بینی
  • 83. اعتبار سنجی متقابل (Cross-validation)
  • 84. اعتبار سنجی پیش‌بینانه (Posterior Predictive Checks)
  • 85. موضوعات خاص در Stan
  • 86. نمونه‌گیری از توزیع‌های گسسته
  • 87. نمونه‌گیری از توزیع‌های پیوسته
  • 88. استفاده از توابع کمکی (Helper Functions)
  • 89. نوشتن ماژول‌های Stan
  • 90. ملاحظات مربوط به محاسبات عددی
  • 91. دقت ممیز شناور
  • 92. پایداری عددی
  • 93. نکات عملی برای اجرای بهینه
  • 94. مدیریت منابع محاسباتی
  • 95. استفاده از خوشه‌بندی (Clustering)
  • 96. استفاده از GPU برای Stan
  • 97. نکات مربوط به خوانایی و نگهداری کد
  • 98. مستندسازی کد Stan
  • 99. استانداردهای کدنویسی
  • 100. بازبینی کد

📚 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.