سپنتا کتاب اکسپرس
کتاب دیفرانسیل‌پذیری خودکار در MCMC: مزایای Theano/TensorFlow

کتاب دیفرانسیل‌پذیری خودکار در MCMC: مزایای Theano/TensorFlow

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 دیفرانسیل‌پذیری خودکار در MCMC: مزایای Theano/TensorFlow

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

موضوع میانی: استفاده از Theano/TensorFlow برای بک‌اند

📋 سرفصل‌های دوره

  • 1. مبانی احتمال و آمار برای MCMC
  • 2. مقدمه‌ای بر زنجیره‌های مارکوف
  • 3. فرآیندهای مارکوف و فضای حالت
  • 4. مفهوم حالت گذار در زنجیره‌های مارکوف
  • 5. توزیع پایدار در زنجیره‌های مارکوف
  • 6. مقدمه‌ای بر روش‌های مونت کارلو (MCMC)
  • 7. نیاز به MCMC در مسائل پیچیده آماری
  • 8. ارتباط MCMC با شبیه‌سازی
  • 9. انواع الگوریتم‌های MCMC
  • 10. مقدمه‌ای بر الگوریتم نمونه‌گیری ع допомогою
  • 11. قضیه حد مرکزی و کاربرد آن در MCMC
  • 12. قضیه بیز و نقش آن در استنتاج آماری
  • 13. توزیع پیشین و پسین
  • 14. توزیع احتمال شرطی و حاشیه‌ای
  • 15. مفهوم تابع درست‌نمایی
  • 16. انتگرال‌گیری عددی و ارتباط آن با MCMC
  • 17. چالش‌های انتگرال‌گیری در ابعاد بالا
  • 18. مقدمه‌ای بر دیفرانسیل‌پذیری خودکار (AD)
  • 19. کاربرد AD در بهینه‌سازی
  • 20. مبانی TensorFlow برای AD
  • 21. مبانی Theano برای AD
  • 22. ساختار گراف محاسباتی در TensorFlow
  • 23. ساختار گراف محاسباتی در Theano
  • 24. حساب دیفرانسیل نمادین در AD
  • 25. حساب دیفرانسیل عددی در AD
  • 26. حساب دیفرانسیل معکوس (Reverse-mode AD)
  • 27. حساب دیفرانسیل مستقیم (Forward-mode AD)
  • 28. مزایای AD نسبت به روش‌های دستی
  • 29. پیاده‌سازی گرادیان‌ها با TensorFlow
  • 30. پیاده‌سازی گرادیان‌ها با Theano
  • 31. کاربرد AD در شبکه‌های عصبی
  • 32. مقدمه‌ای بر الگوریتم Metropolis-Hastings
  • 33. مراحل الگوریتم Metropolis-Hastings
  • 34. انتخاب تابع پیشنهاد (Proposal Function)
  • 35. تأثیر تابع پیشنهاد بر کارایی MCMC
  • 36. الگوریتم Gibbs Sampling
  • 37. مراحل الگوریتم Gibbs Sampling
  • 38. کاربرد Gibbs Sampling در مدل‌های گرافیکی
  • 39. مقایسه Metropolis-Hastings و Gibbs Sampling
  • 40. الگوریتم MCMC با استفاده از TensorFlow
  • 41. الگوریتم MCMC با استفاده از Theano
  • 42. اصول نمونه‌گیری از توزیع‌های پیچیده
  • 43. مفهوم توزیع هدف (Target Distribution)
  • 44. اهمیت نمونه‌گیری از توزیع هدف
  • 45. چالش‌های نمونه‌گیری از توزیع‌های غیرنرمال
  • 46. استفاده از AD برای محاسبه گرادیان توزیع هدف
  • 47. بهبود کارایی MCMC با استفاده از AD
  • 48. مقدمه‌ای بر نمونه‌گیری بر اساس گرادیان
  • 49. کاربرد نمونه‌گیری بر اساس گرادیان در MCMC
  • 50. الگوریتم Hamiltonian Monte Carlo (HMC)
  • 51. مبانی فیزیک هامیلتونی برای HMC
  • 52. انتگرال‌گیری عددی در HMC
  • 53. کاربرد AD در پیاده‌سازی HMC
  • 54. مزایای HMC نسبت به Metropolis-Hastings
  • 55. چالش‌های پیاده‌سازی HMC
  • 56. الگوریتم No-U-Turn Sampler (NUTS)
  • 57. بهبودهای NUTS نسبت به HMC
  • 58. کاربرد NUTS با TensorFlow
  • 59. کاربرد NUTS با Theano
  • 60. مقدمه‌ای بر مدل‌های آماری بیزی
  • 61. مدل‌های خطی در آمار بیزی
  • 62. مدل‌های غیرخطی در آمار بیزی
  • 63. مدل‌های سلسله مراتبی بیزی
  • 64. استنتاج بیزی با MCMC
  • 65. ارزیابی همگرایی MCMC
  • 66. معیارهای همگرایی (Gelman-Rubin, R-hat)
  • 67. نمونه‌گیری از توزیع پسین
  • 68. محاسبه آماره‌های پسین
  • 69. بررسی میزان قطعیت در استنتاج بیزی
  • 70. کاربرد MCMC در مدل‌سازی سری‌های زمانی
  • 71. کاربرد MCMC در پردازش تصویر
  • 72. کاربرد MCMC در یادگیری ماشین
  • 73. مقدمه‌ای بر مدل‌های گرافیکی احتمالاتی
  • 74. شبکه‌های بیزی
  • 75. میدان‌های تصادفی مارکوف
  • 76. استنتاج در مدل‌های گرافیکی با MCMC
  • 77. استفاده از AD در بهینه‌سازی پارامترهای مدل‌های گرافیکی
  • 78. کاربرد TensorFlow در مدل‌های گرافیکی
  • 79. کاربرد Theano در مدل‌های گرافیکی
  • 80. مقدمه‌ای بر روش‌های نمونه‌گیری پیشرفته
  • 81. نمونه‌گیری با اهمیت (Importance Sampling)
  • 82. نمونه‌گیری با اهمیت بازنمون (Resampling)
  • 83. روش‌های MCMC موازی
  • 84. مقدمه‌ای بر مقایسه‌ی الگوریتم‌های MCMC
  • 85. معیارهای ارزیابی کارایی MCMC
  • 86. انتخاب الگوریتم مناسب برای مسئله
  • 87. نکات عملی در پیاده‌سازی MCMC
  • 88. اشکال‌زدایی در الگوریتم‌های MCMC
  • 89. بهینه‌سازی کد MCMC با استفاده از AD
  • 90. کاربرد MCMC در علوم داده
  • 91. کاربرد MCMC در تحقیقات علمی
  • 92. مروری بر پیشرفت‌های اخیر در MCMC
  • 93. آینده MCMC و دیفرانسیل‌پذیری خودکار
  • 94. ملاحظات محاسباتی در MCMC با AD
  • 95. توزیع‌های نرمال و چندمتغیره در MCMC
  • 96. مقدمه‌ای بر توزیع‌های بتای گاما
  • 97. کاربرد توزیع‌های مخلوط در MCMC
  • 98. مقدمه‌ای بر روش‌های واریانس‌گیری
  • 99. مقایسه MCMC با روش‌های واریانس‌گیری
  • 100. کاربرد MCMC در مسائل اقتصاد سنجی

📚 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.