سپنتا کتاب اکسپرس
کتاب تنظیم پارامترهای MCMC با Stan

کتاب تنظیم پارامترهای MCMC با 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 با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر نمونه‌گیری بیزین و زنجیره‌های مارکوف مونت کارلو
  • 2. مفاهیم اساسی در آمار بیزین
  • 3. توزیع پیشین و پسین
  • 4. قضیه بیز و کاربردهای آن
  • 5. مقدمه‌ای بر زنجیره‌های مارکوف مونت کارلو (MCMC)
  • 6. انواع الگوریتم‌های MCMC
  • 7. مقدمه‌ای بر زبان برنامه‌نویسی Stan
  • 8. نصب و راه‌اندازی Stan
  • 9. ساختار مدل در Stan
  • 10. سینتکس پایه Stan
  • 11. تعریف متغیرهای مدل در Stan
  • 12. توزیع‌های احتمالی در Stan
  • 13. توابع کمکی در Stan
  • 14. نوشتن اولین مدل ساده در Stan
  • 15. استنتاج بیزین با استفاده از Stan
  • 16. اجرای مدل‌ها در Stan
  • 17. تفسیر نتایج Stan
  • 18. نمودارهای تشخیصی MCMC
  • 19. ارزیابی همگرایی الگوریتم‌ها
  • 20. معیارهای همگرایی (Gelman-Rubin)
  • 21. تنظیم پارامترهای پیش‌فرض MCMC
  • 22. تنظیمات تخصصی MCMC در Stan
  • 23. انتخاب الگوریتم مناسب MCMC
  • 24. الگوریتم Metropolis-Hastings
  • 25. الگوریتم Gibbs Sampling
  • 26. الگوریتم Hamiltonian Monte Carlo (HMC)
  • 27. الگوریتم No-U-Turn Sampler (NUTS)
  • 28. مقایسه الگوریتم‌های HMC و NUTS
  • 29. تنظیم پارامترهای HMC
  • 30. تنظیم پارامترهای NUTS
  • 31. گام‌های الگوریتم NUTS (treedepth)
  • 32. تنظیمات مربوط به طول گام (stepsize)
  • 33. تنظیمات مربوط به تعداد تکرارها (iterations)
  • 34. تنظیمات مربوط به زنجیره‌ها (chains)
  • 35. تنظیمات مربوط به گرم کردن (warmup)
  • 36. تنظیمات مربوط به نمونه‌گیری (sampling)
  • 37. تنظیم پارامترهای مربوط به توزیع پیشین
  • 38. تاثیر انتخاب توزیع پیشین بر نتایج
  • 39. مدل‌های خطی بیزین در Stan
  • 40. مدل‌های رگرسیون خطی بیزین
  • 41. مدل‌های رگرسیون لجستیک بیزین
  • 42. مدل‌های مختلط بیزین در Stan
  • 43. مدل‌های سری زمانی بیزین
  • 44. مدل‌های فضایی بیزین
  • 45. مدل‌های سلسله مراتبی بیزین
  • 46. مدل‌های غیر پارامتری بیزین
  • 47. مدل‌های مبتنی بر عامل در Stan
  • 48. مدل‌های گرافیکی احتمالی در Stan
  • 49. استفاده از داده‌های واقعی در Stan
  • 50. پیش‌پردازش داده‌ها برای Stan
  • 51. اعتبارسنجی مدل‌های بیزین
  • 52. مقایسه مدل‌های بیزین
  • 53. انتخاب مدل با استفاده از معیارهای بیزین
  • 54. معیار اطلاعات آکائیکه بیزین (BIC)
  • 55. معیار اطلاعات آکائیکه بیزین تصحیح شده (AICc)
  • 56. معیار اطلاعات پسین مورد انتظار (ELPD)
  • 57. معیار اطلاعات پیش‌بینی کننده پسین (LOO-CV)
  • 58. اعتبارسنجی متقابل در Stan
  • 59. تنظیم پارامترهای پیشرفته برای بهبود عملکرد
  • 60. استفاده از کامپایلر Stan
  • 61. بهینه‌سازی کد Stan
  • 62. تکنیک‌های نمونه‌گیری پیشرفته
  • 63. استفاده از موازی‌سازی در Stan
  • 64. مدیریت حافظه در Stan
  • 65. اشکال‌زدایی مدل‌های Stan
  • 66. نکات کاربردی در نوشتن مدل‌های Stan
  • 67. مثال‌های عملی از کاربرد Stan
  • 68. تحلیل داده‌های زیستی با Stan
  • 69. تحلیل داده‌های اقتصادی با Stan
  • 70. تحلیل داده‌های علوم اجتماعی با Stan
  • 71. تحلیل داده‌های مهندسی با Stan
  • 72. تحلیل داده‌های محیط زیستی با Stan
  • 73. مدل‌سازی پیش‌بینی با Stan
  • 74. شبیه‌سازی از مدل‌های بیزین
  • 75. تجسم نتایج با استفاده از R و Stan
  • 76. تجسم نتایج با استفاده از Python و Stan
  • 77. ارائه نتایج تحلیل‌های بیزین
  • 78. کاربرد MCMC در بهینه‌سازی
  • 79. روش‌های نمونه‌گیری در فضای پارامتر
  • 80. کنترل کیفیت در نمونه‌گیری MCMC
  • 81. تکنیک‌های نمونه‌گیری کاهش واریانس
  • 82. استفاده از توزیع‌های کمکی در MCMC
  • 83. ملاحظات مربوط به زمان محاسباتی
  • 84. بهبود کارایی الگوریتم‌های MCMC
  • 85. نقش MCMC در یادگیری ماشین بیزین
  • 86. مقدمه‌ای بر شبکه‌های بیزین
  • 87. مدل‌سازی بیزین در یادگیری عمیق
  • 88. پروژه‌های پیشرفته با Stan
  • 89. چالش‌های مدل‌سازی بیزین
  • 90. ملاحظات اخلاقی در تحلیل داده‌ها
  • 91. اصول کلی در تنظیم پارامترها
  • 92. کاربردهای تخصصی Stan
  • 93. جمع‌بندی و نگاه به 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.