سپنتا کتاب اکسپرس
کتاب کشف عمیق HMC و NUTS در محیط Stan

کتاب کشف عمیق HMC و NUTS در محیط 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 کشف عمیق HMC و NUTS در محیط Stan

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

موضوع میانی: نمونه‌گیری از طریق HMC و NUTS در Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مدل‌سازی احتمالاتی و استنتاج بیزی
  • 2. مبانی احتمال و آمار برای مدل‌سازی
  • 3. مفاهیم کلیدی در استنتاج بیزی
  • 4. معرفی زبان برنامه‌نویسی Stan
  • 5. نصب و راه‌اندازی Stan
  • 6. ساختار پایه برنامه‌های Stan
  • 7. تعریف مدل‌های احتمالاتی در Stan
  • 8. توابع چگالی احتمال (PDF) در Stan
  • 9. توزیع‌های پیشین و پسین
  • 10. نمونه‌گیری از توزیع پسین
  • 11. روش‌های نمونه‌گیری مارکوف چین مونت کارلو (MCMC)
  • 12. مفهوم زنجیره مارکوف
  • 13. شرایط ارگودیسیتی زنجیره‌های مارکوف
  • 14. مقدمه‌ای بر الگوریتم گیبس
  • 15. کاربرد گیبس در مدل‌سازی
  • 16. محدودیت‌های الگوریتم گیبس
  • 17. معرفی الگوریتم نمونه‌گیری هابینگ-مونت کارلو (HMC)
  • 18. مبانی فیزیکی HMC
  • 19. معادله هامیلتونی و دینامیک سیستم
  • 20. انتخاب گام زمانی در HMC
  • 21. انتخاب تعداد گام‌ها در HMC
  • 22. مزایای HMC نسبت به گیبس
  • 23. کاربرد HMC در مدل‌های پیچیده
  • 24. معرفی الگوریتم نمونه‌گیری نیوتنی-مونت کارلو (NUTS)
  • 25. بهینه‌سازی پارامترهای HMC
  • 26. خودتنظیمی در NUTS
  • 27. مزایای NUTS نسبت به HMC
  • 28. کاربرد NUTS در مدل‌های با ابعاد بالا
  • 29. معرفی مدل‌های خطی تعمیم‌یافته (GLM)
  • 30. کاربرد GLM در Stan
  • 31. مدل‌های رگرسیون لجستیک در Stan
  • 32. مدل‌های رگرسیون پواسون در Stan
  • 33. مدل‌های رگرسیون خطی در Stan
  • 34. مدل‌های سلسله‌مراتبی در Stan
  • 35. طراحی مدل‌های سلسله‌مراتبی
  • 36. پیاده‌سازی مدل‌های سلسله‌مراتبی در Stan
  • 37. ارزیابی همگرایی زنجیره‌های MCMC
  • 38. نمودارهایtrace plot
  • 39. آماره R-hat
  • 40. نمودارهای خودهمبستگی (ACF)
  • 41. تفسیر نتایج همگرایی
  • 42. ارزیابی کیفیت نمونه‌ها
  • 43. بررسی توزیع پسین پارامترها
  • 44. تکنیک‌های تشخیص مشکلات نمونه‌گیری
  • 45. عیب‌یابی مدل‌های Stan
  • 46. مقدمه‌ای بر مدل‌های سری زمانی
  • 47. مدل‌های ARIMA در Stan
  • 48. مدل‌های حالت-فضا در Stan
  • 49. کاربرد HMC و NUTS در مدل‌های سری زمانی
  • 50. مدل‌های مکانی-زمانی در Stan
  • 51. مدل‌های شبکه‌ای در Stan
  • 52. تحلیل شبکه‌های اجتماعی با Stan
  • 53. مدل‌های بیزی برای داده‌های گسسته
  • 54. مدل‌های بیزی برای داده‌های پیوسته
  • 55. مدل‌های بیزی برای داده‌های طبقه‌بندی شده
  • 56. مدل‌های بیزی برای داده‌های شمارشی
  • 57. کاربرد HMC و NUTS در داده‌های گسسته
  • 58. کاربرد HMC و NUTS در داده‌های پیوسته
  • 59. کاربرد HMC و NUTS در داده‌های طبقه‌بندی شده
  • 60. کاربرد HMC و NUTS در داده‌های شمارشی
  • 61. بهینه‌سازی کد Stan
  • 62. نکات پیشرفته در نوشتن مدل‌های Stan
  • 63. کاربرد Stan در علوم اقتصادی
  • 64. کاربرد Stan در علوم اجتماعی
  • 65. کاربرد Stan در علوم زیستی
  • 66. کاربرد Stan در علوم مهندسی
  • 67. کاربرد Stan در علوم پزشکی
  • 68. مدل‌سازی پیش‌بینی در Stan
  • 69. ارزیابی مدل‌های پیش‌بینی
  • 70. تحلیل حساسیت مدل
  • 71. تصمیم‌گیری مبتنی بر مدل‌های بیزی
  • 72. مدل‌های بیزی برای داده‌های ناقص
  • 73. مدل‌های بیزی برای داده‌های حجیم
  • 74. کاربرد HMC و NUTS در داده‌های ناقص
  • 75. کاربرد HMC و NUTS در داده‌های حجیم
  • 76. معرفی بسته‌های کمکی Stan
  • 77. بسته rstanarm
  • 78. بسته brms
  • 79. مقایسه بسته‌های مختلف Stan
  • 80. استفاده از Stan با R
  • 81. استفاده از Stan با Python (PyStan)
  • 82. استفاده از Stan با Julia
  • 83. روش‌های اعتبارسنجی متقابل در مدل‌سازی بیزی
  • 84. انتخاب مدل در رویکرد بیزی
  • 85. اهمیت انتخاب توزیع پیشین
  • 86. تفسیر نتایج مدل‌های پیچیده
  • 87. ملاحظات اخلاقی در مدل‌سازی بیزی
  • 88. محدودیت‌های HMC و NUTS
  • 89. بهبود کارایی الگوریتم‌های نمونه‌گیری
  • 90. آخرین پیشرفت‌ها در نمونه‌گیری بیزی
  • 91. کاربرد HMC و NUTS در مسائل واقعی
  • 92. مطالعه موردی: تحلیل داده‌های نظرسنجی
  • 93. مطالعه موردی: مدل‌سازی همه‌گیرشناسی
  • 94. مطالعه موردی: تحلیل داده‌های مالی
  • 95. مطالعه موردی: مدل‌سازی رفتار مصرف‌کننده
  • 96. مطالعه موردی: تحلیل داده‌های آزمایشگاهی
  • 97. جمع‌بندی و مسیرهای آینده

📚 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.