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 و بیزی
  • 2. مفاهیم پایه احتمال و آمار
  • 3. توزیع‌های احتمالی رایج
  • 4. مقدمه‌ای بر بسته‌های آماری در R
  • 5. نصب و پیکربندی Stan
  • 6. مبانی زبان Stan
  • 7. ساختار برنامه‌های Stan
  • 8. تعریف مدل‌های بیزی در Stan
  • 9. پارامترهای مدل و پیشین‌ها
  • 10. توزیع‌های پیشین مناسب
  • 11. انتخاب توزیع‌های پیشین
  • 12. مشکلات مربوط به توزیع‌های پیشین
  • 13. مقدمه‌ای بر روش‌های زنجیره مارکوف مونت کارلو (MCMC)
  • 14. الگوریتم گیبس سمپلینگ
  • 15. الگوریتم نمونه‌برداری هلتون-مارتینگه (HMC)
  • 16. الگوریتم نیمه-هلتون-مارتینگه (NUTS)
  • 17. چرا MCMC؟
  • 18. تفاوت MCMC با روش‌های تحلیلی
  • 19. نکات کلیدی در اجرای MCMC
  • 20. ارزیابی همگرایی زنجیره‌ها
  • 21. معیارهای همگرایی MCMC (Gelman-Rubin, R-hat)
  • 22. تشخیص واگرایی زنجیره‌ها
  • 23. بررسی توزیع‌های پسین
  • 24. محاسبه آماره‌های توزیع پسین
  • 25. فاصله اطمینان بیزی
  • 26. نمایش بصری توزیع‌های پسین
  • 27. نمودارهای trace plot
  • 28. نمودارهای density plot
  • 29. نمودارهای autocorrelation plot
  • 30. تنظیم پارامترهای MCMC
  • 31. تعداد تکرارها (iterations)
  • 32. تعداد burn-in (warm-up)
  • 33. تعداد chains
  • 34. اندازه batch (stepsize)
  • 35. اندازه گام (stepsize) در HMC
  • 36. تعداد مراحل (number of integration steps) در HMC
  • 37. تنظیم پارامترهای NUTS
  • 38. تشخیص و رفع مشکلات همگرایی
  • 39. راهکارهایی برای بهبود همگرایی
  • 40. تغییر توزیع‌های پیشین
  • 41. استفاده از توزیع‌های پیشین قوی‌تر
  • 42. ساده‌سازی مدل
  • 43. تنظیم پارامترهای MCMC
  • 44. تست حساسیت پارامترهای MCMC
  • 45. مدل‌های خطی بیزی
  • 46. رگرسیون خطی بیزی
  • 47. مدل‌های رگرسیون لجستیک بیزی
  • 48. مدل‌های سری زمانی بیزی
  • 49. مدل‌های سلسله مراتبی بیزی
  • 50. پیاده‌سازی مدل‌های پیچیده در Stan
  • 51. مدل‌سازی داده‌های گسسته در Stan
  • 52. مدل‌سازی داده‌های پیوسته در Stan
  • 53. مدل‌سازی داده‌های طبقه‌بندی در Stan
  • 54. مدل‌سازی داده‌های رتبه‌ای در Stan
  • 55. کاربرد Stan در علوم زیستی
  • 56. کاربرد Stan در علوم اجتماعی
  • 57. کاربرد Stan در اقتصاد
  • 58. کاربرد Stan در مهندسی
  • 59. کاربرد Stan در علوم کامپیوتر
  • 60. کاربرد Stan در علوم محیطی
  • 61. کاربرد Stan در علوم پزشکی
  • 62. کاربرد Stan در مطالعات بالینی
  • 63. کاربرد Stan در پژوهش‌های بازار
  • 64. کاربرد Stan در تحلیل داده‌های بزرگ
  • 65. روش‌های پیشرفته MCMC
  • 66. نمونه‌گیری آنیلینگ (Annealing)
  • 67. نمونه‌گیری از مدل‌های چندوجهی (Multimodal Models)
  • 68. نمونه‌گیری از مدل‌های با ابعاد بالا
  • 69. کاربرد Stan برای پیش‌بینی
  • 70. ارزیابی مدل‌های بیزی
  • 71. معیار اطلاعاتی آکائیکه بیزی (BIC)
  • 72. معیار اطلاعاتی هانان-کویین (HQIC)
  • 73. اعتبار سنجی متقابل بیزی (Bayesian Cross-validation)
  • 74. معیار پیش‌بینی پسین (Posterior Predictive Check)
  • 75. ارزیابی کیفیت مدل
  • 76. مقایسه مدل‌ها در چارچوب بیزی
  • 77. انتخاب مدل بر اساس معیارهای بیزی
  • 78. مقدمه‌ای بر بهینه‌سازی مدل
  • 79. استفاده از Stan برای بهینه‌سازی پارامترها
  • 80. نکات کاربردی و ترفندها در Stan
  • 81. اشکال‌زدایی کد Stan
  • 82. بهینه‌سازی کد Stan برای سرعت
  • 83. مدیریت داده‌ها در Stan
  • 84. تجسم نتایج MCMC با استفاده از کتابخانه‌های R
  • 85. مقدمه‌ای بر مفاهیم پیشرفته‌تر در مدل‌سازی بیزی
  • 86. مدل‌سازی غیرپارامتری در Stan
  • 87. مدل‌سازی شبکه‌ای در Stan
  • 88. کاربرد MCMC در یادگیری ماشین
  • 89. خلاصه و جمع‌بندی مباحث
  • 90. مطالعات موردی پیشرفته در Stan

📚 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.