سپنتا کتاب اکسپرس
کتاب تنظیم پارامترهای MCMC برای Stan

کتاب تنظیم پارامترهای MCMC برای 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 برای Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مدل‌سازی آماری بیزی
  • 2. مبانی احتمال و آمار
  • 3. مفاهیم کلیدی در مدل‌سازی آماری
  • 4. معرفی نرم‌افزار Stan
  • 5. نصب و راه‌اندازی Stan
  • 6. مبانی زبان Stan
  • 7. ساختار کلی برنامه‌های Stan
  • 8. تعریف مدل‌های آماری در Stan
  • 9. توابع احتمال و توزیع‌ها در Stan
  • 10. نمونه‌گیری از توزیع‌های پیشین
  • 11. نمونه‌گیری از توزیع‌های پسین
  • 12. مفهوم زنجیره‌های مارکوف
  • 13. فرآیندهای مونت کارلو با زنجیره مارکوف (MCMC)
  • 14. الگوریتم گیبس
  • 15. الگوریتم هَستینگ-متروپولیس
  • 16. مبانی الگوریتم MCMC در Stan
  • 17. انتخاب الگوریتم MCMC مناسب
  • 18. تنظیم پارامترهای اولیه MCMC
  • 19. تعداد تکرارها (iterations) در MCMC
  • 20. تعداد زنجیره‌ها (chains) در MCMC
  • 21. warm-up (burn-in) در MCMC
  • 22. thinning در MCMC
  • 23. ارزیابی همگرایی MCMC
  • 24. نمودارهای trace
  • 25. آماره‌های R-hat ( $hat{R}$ )
  • 26. خودهمبستگی در زنجیره‌های MCMC
  • 27. شاخص‌های کارایی MCMC
  • 28. تنظیم پارامترهای MCMC برای مدل‌های خطی
  • 29. مدل‌های رگرسیون خطی بیزی
  • 30. تنظیم پارامترهای MCMC برای مدل‌های سری زمانی
  • 31. مدل‌های ARIMA بیزی
  • 32. تنظیم پارامترهای MCMC برای مدل‌های طبقه‌بندی
  • 33. مدل‌های لجستیک بیزی
  • 34. تنظیم پارامترهای MCMC برای مدل‌های بقا
  • 35. مدل‌های کاکس بیزی
  • 36. تنظیم پارامترهای MCMC برای مدل‌های سلسله مراتبی
  • 37. مدل‌های چندسطحی بیزی
  • 38. تنظیم پارامترهای MCMC برای مدل‌های فضایی
  • 39. مدل‌های خودهمبسته فضایی بیزی
  • 40. تنظیم پارامترهای MCMC برای مدل‌های شبکه‌ای
  • 41. مدل‌های گراف بیزی
  • 42. اعتبارسنجی مدل‌های بیزی
  • 43. بررسی برازش مدل
  • 44. تست‌های برازش مدل
  • 45. قیاس مدل‌ها
  • 46. انتخاب مدل بر اساس معیارهای اطلاعاتی
  • 47. معیار اطلاعاتی آکائیکه (AIC)
  • 48. معیار اطلاعاتی بیزی (BIC)
  • 49. معیار اطلاعاتی واک-آلترناتیو (WAIC)
  • 50. معیار اطلاعاتی پیش‌بینی پسین (LOO-CV)
  • 51. تجسم نتایج MCMC
  • 52. نمودارهای توزیع پسین
  • 53. نمودارهای مقایسه توزیع پسین
  • 54. نمودارهای پیش‌بینی
  • 55. تفسیر نتایج MCMC
  • 56. ارزیابی عدم قطعیت در مدل‌سازی بیزی
  • 57. استفاده از Stan برای مدل‌های سفارشی
  • 58. نوشتن توابع سفارشی در Stan
  • 59. بهینه‌سازی کد Stan
  • 60. اشکال‌زدایی در برنامه‌های Stan
  • 61. ملاحظات محاسباتی در MCMC
  • 62. پردازش موازی در Stan
  • 63. استفاده از GPU در Stan
  • 64. مدل‌سازی داده‌های پرت
  • 65. روش‌های مقاوم در برابر داده‌های پرت
  • 66. مدل‌سازی داده‌های گمشده
  • 67. روش‌های جایگزینی داده‌های گمشده
  • 68. معرفی مدل‌های خطای متغیر
  • 69. مدل‌سازی با خطای متغیر در Stan
  • 70. مقدمه‌ای بر مدل‌های مبتنی بر عامل
  • 71. مدل‌سازی مبتنی بر عامل در Stan
  • 72. مقدمه‌ای بر مدل‌های شبکه بیزی
  • 73. مدل‌سازی شبکه بیزی در Stan
  • 74. مقدمه‌ای بر مدل‌های یادگیری عمیق بیزی
  • 75. مدل‌سازی یادگیری عمیق بیزی در Stan
  • 76. کاربرد MCMC در اقتصاد اسلامی
  • 77. مدل‌سازی ریسک در چارچوب بیزی
  • 78. کاربرد MCMC در علوم زیستی
  • 79. مدل‌سازی ژنتیکی بیزی
  • 80. کاربرد MCMC در علوم اجتماعی
  • 81. تحلیل داده‌های پیمایشی بیزی
  • 82. کاربرد MCMC در مهندسی
  • 83. مدل‌سازی قابلیت اطمینان بیزی
  • 84. کاربرد MCMC در علوم محیطی
  • 85. مدل‌سازی تغییرات اقلیمی بیزی
  • 86. کاربرد MCMC در علوم داده
  • 87. تحلیل داده‌های بزرگ با Stan
  • 88. ملاحظات اخلاقی در مدل‌سازی آماری
  • 89. حفظ حریم خصوصی در داده‌ها
  • 90. شفافیت در مدل‌سازی
  • 91. اخلاق در استفاده از نتایج آماری
  • 92. آینده مدل‌سازی بیزی و MCMC
  • 93. چالش‌های پیش رو در MCMC
  • 94. توسعه الگوریتم‌های MCMC نوین
  • 95. مبانی یادگیری ماشین بیزی
  • 96. یادگیری ماشین با استفاده از Stan
  • 97. کاربرد MCMC در بهینه‌سازی
  • 98. بهینه‌سازی بیزی
  • 99. اصول طراحی آزمایش در Stan
  • 100. استفاده از Stan در تجزیه و تحلیل داده‌های آزمایشی

📚 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.