سپنتا کتاب اکسپرس
کتاب کاوش در هندسه توزیع پسین با MCMC

کتاب کاوش در هندسه توزیع پسین با MCMC

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 کاوش در هندسه توزیع پسین با MCMC

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

موضوع میانی: توزیع پسین (Posterior Distribution)

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر مفاهیم احتمال و آمار
  • 2. مفاهیم پایه نظریه احتمال
  • 3. متغیرهای تصادفی و توزیع ها
  • 4. توزیع های گسسته پرکاربرد
  • 5. توزیع های پیوسته پرکاربرد
  • 6. توزیع های چند متغیره
  • 7. امید ریاضی و واریانس
  • 8. قضیه حد مرکزی
  • 9. مقدمه ای بر استنباط آماری
  • 10. برآوردگرهای نقطه ای
  • 11. روش گشتاورها
  • 12. روش درستنمایی بیشینه
  • 13. ویژگی های برآوردگرها
  • 14. فواصل اطمینان
  • 15. فواصل اطمینان برای میانگین
  • 16. فواصل اطمینان برای نسبت
  • 17. فواصل اطمینان برای واریانس
  • 18. آزمون فرض آماری
  • 19. مفاهیم پایه آزمون فرض
  • 20. آزمون فرض برای میانگین
  • 21. آزمون فرض برای نسبت
  • 22. آزمون فرض برای واریانس
  • 23. آزمون های نسبت درستنمایی
  • 24. مقدمه ای بر مدل های خطی
  • 25. رگرسیون خطی ساده
  • 26. رگرسیون خطی چندگانه
  • 27. تشخیص همبستگی چندگانه
  • 28. آزمون های فرض در رگرسیون
  • 29. مقدمه ای بر زنجیره های مارکوف
  • 30. خواص زنجیره مارکوف
  • 31. فضاهای حالت و انتقال
  • 32. ماتریس های انتقال
  • 33. حالات موقت و پایدار
  • 34. توزیع ایستای زنجیره مارکوف
  • 35. مقدمه ای بر نمونه گیری از توزیع های پسین
  • 36. چالش های نمونه گیری مستقیم
  • 37. نیاز به روش های نوین
  • 38. معرفی روش های مونت کارلو
  • 39. روش مونت کارلو برای انتگرال گیری
  • 40. مقدمه ای بر الگوریتم های MCMC
  • 41. ایده اصلی الگوریتم های MCMC
  • 42. مفهوم مارکوف چین
  • 43. ضرورت همگرایی مارکوف چین
  • 44. مقدمه ای بر الگوریتم متروپلیس-هستینگز
  • 45. الگوریتم متروپلیس-هستینگز
  • 46. نحوه انتخاب تابع پیشنهاد
  • 47. نحوه محاسبه نسبت پذیرش
  • 48. مراحل اجرایی الگوریتم متروپلیس-هستینگز
  • 49. مثال کاربردی متروپلیس-هستینگز
  • 50. مقدمه ای بر الگوریتم گیبس سمپلینگ
  • 51. الگوریتم گیبس سمپلینگ
  • 52. شرایط استفاده از گیبس سمپلینگ
  • 53. نحوه اجرای گیبس سمپلینگ
  • 54. مقایسه گیبس سمپلینگ و متروپلیس-هستینگز
  • 55. مثال کاربردی گیبس سمپلینگ
  • 56. مقدمه ای بر توزیع های پسین در آمار بیزی
  • 57. مدل های بیزی
  • 58. انتخاب توزیع پیشین
  • 59. توزیع های پیشین متداول
  • 60. توزیع پیشین غیرمطلع
  • 61. توزیع پیشین مطلع
  • 62. توزیع پسین
  • 63. محاسبه توزیع پسین
  • 64. چالش های محاسبه توزیع پسین
  • 65. کاربرد MCMC در استنباط بیزی
  • 66. برآورد پارامترها با MCMC
  • 67. ساخت فواصل اطمینان بیزی
  • 68. ارزیابی همگرایی الگوریتم های MCMC
  • 69. شاخص های ارزیابی همگرایی
  • 70. نمودارهای سری زمانی
  • 71. تحلیل خودهمبستگی متقابل
  • 72. معیار گلمن-رو宾
  • 73. تست های تشخیصی همگرایی
  • 74. روش های کاهش طول دوره گشت
  • 75. بهبود کارایی الگوریتم های MCMC
  • 76. تنظیم پارامترهای الگوریتم
  • 77. انتخاب تابع پیشنهاد مناسب
  • 78. استفاده از تکنیک های پیشرفته
  • 79. کاربرد MCMC در مدل های پیچیده
  • 80. مدل های سلسله مراتبی بیزی
  • 81. مدل های خطی تعمیم یافته بیزی
  • 82. مدل های سری زمانی بیزی
  • 83. مدل های فضایی بیزی
  • 84. کاربرد MCMC در علوم مختلف
  • 85. کاربرد در اقتصاد سنجی
  • 86. کاربرد در زیست شناسی محاسباتی
  • 87. کاربرد در علوم داده
  • 88. کاربرد در مهندسی
  • 89. کاربرد در علوم اجتماعی
  • 90. مباحث پیشرفته در MCMC
  • 91. نمونه گیری با اهمیت
  • 92. نمونه گیری از خانواده های توزیع
  • 93. روش های MCMC تطبیقی
  • 94. روش های MCMC موازی
  • 95. روش های MCMC مبتنی بر گرادیان
  • 96. مقدمه ای بر نرم افزارهای MCMC
  • 97. نرم افزار Stan
  • 98. نرم افزار JAGS
  • 99. نرم افزار PyMC3
  • 100. نرم افزار TensorFlow Probability

📚 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.