سپنتا کتاب اکسپرس
کتاب راهنمای جامع برای تنظیم MCMC در Stan

کتاب راهنمای جامع برای تنظیم 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 راهنمای جامع برای تنظیم MCMC در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مدل‌سازی زنجیره‌های مارکوف مونت کارلو
  • 2. مفاهیم اساسی احتمالات و آمار برای MCMC
  • 3. مروری بر توزیع‌های احتمال گسسته و پیوسته
  • 4. توزیع‌های نرمال، گاما، بتا و بتا-دوجمله‌ای
  • 5. مفهوم تابع احتمال و تابع درست‌نمایی
  • 6. آمار بیزی: پارادایم و مفاهیم کلیدی
  • 7. قضیه بیز و به‌روزرسانی باورها
  • 8. توزیع پیشین، پیشینِ پیشین و توزیع پسین
  • 9. انتخاب توزیع پیشین مناسب
  • 10. روش‌های نمونه‌برداری از توزیع‌های پیچیده
  • 11. محدودیت‌های روش‌های نمونه‌برداری مستقیم
  • 12. مقدمه‌ای بر زنجیره‌های مارکوف
  • 13. فضای حالت و احتمالات گذار
  • 14. خواص زنجیره‌های مارکوف (پایایی، ناگسستنی)
  • 15. مفهوم توزیع پایدار
  • 16. مقدمه‌ای بر مونت کارلو
  • 17. شبیه‌سازی مونت کارلو برای تخمین انتگرال
  • 18. مفهوم نمونه‌گیری و تخمین
  • 19. روش‌های مونت کارلو برای بهینه‌سازی
  • 20. مقدمه‌ای بر MCMC
  • 21. ترکیب زنجیره‌های مارکوف و مونت کارلو
  • 22. هدف MCMC: نمونه‌برداری از توزیع پسین
  • 23. انواع الگوریتم‌های MCMC
  • 24. الگوریتم پذیرش-رد
  • 25. مکانیک الگوریتم پذیرش-رد
  • 26. انتخاب تابع پیشنهاد در پذیرش-رد
  • 27. مزایا و معایب الگوریتم پذیرش-رد
  • 28. الگوریتم گیبز
  • 29. مکانیک الگوریتم گیبز
  • 30. شرایط استفاده از الگوریتم گیبز
  • 31. مزایا و معایب الگوریتم گیبز
  • 32. مقدمه‌ای بر Stan
  • 33. معماری و قابلیت‌های Stan
  • 34. زبان مدل‌سازی Stan
  • 35. نحو پایه در Stan
  • 36. تعریف متغیرها و پارامترها
  • 37. تعریف توزیع‌های احتمال در Stan
  • 38. نوشتن مدل‌های احتمالاتی در Stan
  • 39. مراحل اجرای مدل در Stan
  • 40. تنظیمات پیش‌فرض MCMC در Stan
  • 41. تنظیمات پیشرفته MCMC در Stan
  • 42. تعداد گام‌های زنجیره (iterations)
  • 43. تعداد زنجیره‌ها (chains)
  • 44. تعداد گام‌های اولیه (warm-up)
  • 45. تنظیمات الگوریتم‌های نمونه‌بردار (NUTS, HMC)
  • 46. تنظیمات مربوط به همگرایی (convergence)
  • 47. تشخیص همگرایی زنجیره‌ها
  • 48. معیارهای بصری همگرایی (trace plots)
  • 49. معیارهای آماری همگرایی (R-hat, ESS)
  • 50. تفسیر نتایج همگرایی
  • 51. ارزیابی کیفیت نمونه‌ها
  • 52. پراکندگی نمونه‌ها (autocorrelation)
  • 53. اندازه مؤثر نمونه (Effective Sample Size)
  • 54. محاسبه آماره‌های توصیفی از نمونه‌ها
  • 55. میانگین، میانه، واریانس از نمونه‌ها
  • 56. فاصله‌های اطمینان از نمونه‌ها
  • 57. تصویرسازی توزیع پسین
  • 58. رسم هیستوگرام از نمونه‌ها
  • 59. رسم نمودار چگالی از نمونه‌ها
  • 60. نمودارهای پراکندگی (scatter plots)
  • 61. نمودارهای موازی (parallel plots)
  • 62. استفاده از بسته‌های R و Python برای Stan
  • 63. اتصال Stan به R (rstan)
  • 64. اتصال Stan به Python (pystan)
  • 65. نوشتن مدل‌های پیچیده‌تر در Stan
  • 66. مدل‌های خطی تعمیم‌یافته (GLMs) در Stan
  • 67. مدل‌های سلسله‌مراتبی در Stan
  • 68. مدل‌های مکانی-زمانی در Stan
  • 69. مدل‌های سری زمانی در Stan
  • 70. مدل‌های آماری برای داده‌های شمارشی
  • 71. مدل‌های آماری برای داده‌های دودویی
  • 72. مدل‌های آماری برای داده‌های پیوسته
  • 73. کاربرد MCMC در علوم داده
  • 74. کاربرد MCMC در اقتصادسنجی
  • 75. کاربرد MCMC در زیست‌شناسی محاسباتی
  • 76. کاربرد MCMC در علوم اجتماعی
  • 77. کاربرد MCMC در یادگیری ماشین
  • 78. بهینه‌سازی پارامترها با MCMC
  • 79. تخمین پارامترهای مدل‌های پیچیده
  • 80. تحلیل حساسیت مدل
  • 81. اعتبارسنجی مدل با داده‌های جدید
  • 82. بررسی فرضیه‌های آماری با MCMC
  • 83. مدل‌سازی عدم قطعیت
  • 84. مدل‌سازی و تحلیل داده‌های بزرگ با MCMC
  • 85. نکات عملی و ترفندها در استفاده از Stan
  • 86. اشکال‌زدایی مدل‌های Stan
  • 87. بهبود کارایی الگوریتم‌های MCMC
  • 88. روش‌های پیشرفته MCMC
  • 89. نظریه و کاربردهای MCMC در تحقیقات جدید
  • 90. مباحث پیشرفته در زبان مدل‌سازی Stan
  • 91. ساختارهای داده‌ای پیچیده در Stan
  • 92. برنامه‌نویسی شرطی در Stan
  • 93. توابع سفارشی در Stan
  • 94. جمع‌بندی و مسیرهای آینده در MCMC

📚 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.