سپنتا کتاب اکسپرس
کتاب تشخیص ناهماهنگی در ران‌های MCMC و راه‌های مقابله در Stan

کتاب تشخیص ناهماهنگی در ران‌های MCMC و راه‌های مقابله 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 تشخیص ناهماهنگی در ران‌های MCMC و راه‌های مقابله در Stan

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

موضوع میانی: تشخیص همگرایی در Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر زنجیره‌های مارکوف مونت کارلو (MCMC)
  • 2. مبانی نمونه‌گیری در فضاهای پیوسته
  • 3. معرفی الگوریتم گیبس
  • 4. پیاده‌سازی الگوریتم گیبس در Stan
  • 5. مبانی الگوریتم متروپلیس-هستینگز
  • 6. پیاده‌سازی الگوریتم متروپلیس-هستینگز در Stan
  • 7. تفاوت‌های کلیدی گیبس و متروپلیس-هستینگز
  • 8. مفاهیم اساسی حالت پایدار در MCMC
  • 9. همگرایی زنجیره‌های MCMC
  • 10. معیارهای ارزیابی همگرایی
  • 11. تست گلمن-روین
  • 12. تست هیلبرگ-کاهن
  • 13. تفسیر نتایج تست‌های همگرایی
  • 14. اهمیت انتخاب نقاط شروع مناسب
  • 15. راهکارهای بهبود همگرایی اولیه
  • 16. نمونه‌گیری از توزیع‌های پیچیده
  • 17. مدل‌سازی احتمالاتی در Stan
  • 18. معرفی زبان برنامه‌نویسی Stan
  • 19. نحو پایه و ساختارهای Stan
  • 20. تعریف مدل‌های احتمالی در Stan
  • 21. توابع احتمال رایج در Stan
  • 22. توزیع نرمال و کاربردهای آن
  • 23. توزیع گاما و کاربردهای آن
  • 24. توزیع بتا و کاربردهای آن
  • 25. توزیع پواسون و کاربردهای آن
  • 26. توزیع دوجمله‌ای و کاربردهای آن
  • 27. توزیع چندجمله‌ای و کاربردهای آن
  • 28. توزیع کاشی و کاربردهای آن
  • 29. توزیع t استیودنت و کاربردهای آن
  • 30. توزیع کا-دو و کاربردهای آن
  • 31. توزیع‌های چندمتغیره
  • 32. توزیع نرمال چندمتغیره
  • 33. تابع احتمال مشترک و توابع احتمال حاشیه‌ای
  • 34. روابط وابستگی بین متغیرها
  • 35. کوواریانس و همبستگی
  • 36. مدل‌سازی رگرسیون خطی در Stan
  • 37. مدل‌سازی رگرسیون لجستیک در Stan
  • 38. مدل‌سازی رگرسیون پواسون در Stan
  • 39. مدل‌سازی رگرسیون گاما در Stan
  • 40. مدل‌سازی اثرات ثابت و تصادفی
  • 41. مدل‌های سلسله مراتبی در Stan
  • 42. پیاده‌سازی مدل‌های سلسله مراتبی
  • 43. تفسیر نتایج مدل‌های سلسله مراتبی
  • 44. ارزیابی برازش مدل
  • 45. معیارهای اطلاعاتی AIC و BIC
  • 46. اعتبار سنجی متقابل (Cross-validation)
  • 47. نمونه‌گیری پیش‌بینی‌کننده (Posterior predictive sampling)
  • 48. تشخیص ناهماهنگی در زنجیره‌های MCMC
  • 49. مفهوم ناهماهنگی (Divergence)
  • 50. دلایل بروز ناهماهنگی
  • 51. شناسایی ناهماهنگی در خروجی Stan
  • 52. تأثیر ناهماهنگی بر نتایج
  • 53. راهکارهای مقابله با ناهماهنگی
  • 54. تنظیم پارامترهای الگوریتم MCMC
  • 55. افزایش تعداد تکرارها
  • 56. تنظیم اندازه گام (step size)
  • 57. تنظیم پارامترهای گرم کردن (warm-up)
  • 58. استفاده از الگوریتم‌های MCMC دیگر
  • 59. الگوریتم HMC (Hamiltonian Monte Carlo)
  • 60. الگوریتم NUTS (No-U-Turn Sampler)
  • 61. مزایای HMC و NUTS
  • 62. پیاده‌سازی HMC و NUTS در Stan
  • 63. تنظیمات پیشرفته در Stan
  • 64. استفاده از کد بهینه‌سازی شده
  • 65. مدیریت حافظه در Stan
  • 66. دیباگ کردن مدل‌های پیچیده
  • 67. تجسم نتهایج MCMC
  • 68. رسم نمودارهای تراکم (density plots)
  • 69. رسم نمودارهای سری زمانی (trace plots)
  • 70. رسم نمودارهای پراکندگی (scatter plots)
  • 71. رسم نمودارهای ماتریس همبستگی
  • 72. تجسم توزیع پیشین و پسین
  • 73. رسم نمودارهای پیش‌بینی‌کننده
  • 74. کاربردهای پیشرفته MCMC
  • 75. مدل‌سازی سری‌های زمانی با MCMC
  • 76. مدل‌سازی فضایی با MCMC
  • 77. مدل‌سازی شبکه‌ای با MCMC
  • 78. تحلیل حساسیت مدل
  • 79. تفسیر نتایج در چارچوب علمی
  • 80. محدودیت‌های روش MCMC
  • 81. ملاحظات اخلاقی در تحلیل داده‌ها
  • 82. کاربرد در حوزه‌های علمی معتبر
  • 83. اصول علم داده در ایران
  • 84. چارچوب‌های آماری مورد تایید
  • 85. مستندسازی و گزارش‌دهی آماری
  • 86. ارائه یافته‌ها در مجامع علمی داخلی
  • 87. رعایت حریم خصوصی داده‌ها

📚 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.