کتاب تنظیم پارامترهای MCMC با Stan با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

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

🎓 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. مبانی احتمال و آمار برای MCMC
  • 2. مفاهیم اولیه نمونه‌برداری تصادفی
  • 3. نظریه احتمالات شرطی و استقلال
  • 4. توزیع‌های احتمال گسسته و پیوسته
  • 5. ویژگی‌های توزیع‌های آماری
  • 6. مقدمه‌ای بر استنتاج بیزی
  • 7. قضیه بیز و کاربردهای آن
  • 8. انتخاب پیشین‌های مناسب در استنتاج بیزی
  • 9. تابع درستنمایی و نقش آن
  • 10. ساختار مدل‌های آماری
  • 11. مقدمه‌ای بر زنجیره‌های مارکوف
  • 12. فرآیندهای مارکوف و خواص آن‌ها
  • 13. مفهوم حالت پایدار در زنجیره‌های مارکوف
  • 14. مقدمه‌ای بر روش‌های مونت کارلو (MC)
  • 15. کاربرد روش‌های MC در محاسبات عددی
  • 16. شبیه‌سازی مونت کارلو برای تخمین انتگرال‌ها
  • 17. توزیع‌های هدف و شبیه‌سازی آن‌ها
  • 18. مشکلات شبیه‌سازی مستقیم توزیع‌های پیچیده
  • 19. مقدمه‌ای بر نمونه‌برداری از طریق زنجیره مارکوف (MCMC)
  • 20. نیاز به MCMC در مدل‌های پیچیده
  • 21. ایده اصلی MCMC
  • 22. الگوریتم‌های MCMC
  • 23. نمونه‌برداری پذیرش-رد (Acceptance-Rejection Sampling)
  • 24. مزایا و معایب نمونه‌برداری پذیرش-رد
  • 25. الگوریتم Metropolis-Hastings
  • 26. نحوه کار الگوریتم Metropolis-Hastings
  • 27. انتخاب تابع پیشنهاد (Proposal Distribution)
  • 28. تأثیر تابع پیشنهاد بر کارایی
  • 29. الگوریتم Metropolis
  • 30. حالت خاصی از Metropolis-Hastings
  • 31. چالش‌های پیاده‌سازی Metropolis-Hastings
  • 32. الگوریتم نمونه‌گیری گیبس (Gibbs Sampling)
  • 33. نحوه کار نمونه‌گیری گیبس
  • 34. شرط لازم برای نمونه‌گیری گیبس
  • 35. کاربرد نمونه‌گیری گیبس در مدل‌های چندمتغیره
  • 36. مقایسه نمونه‌گیری گیبس با Metropolis-Hastings
  • 37. معیارهای همگرایی در MCMC
  • 38. تشخیص همگرایی الگوریتم‌های MCMC
  • 39. نمودارهای سری زمانی (Trace Plots)
  • 40. تحلیل خودهمبستگی (Autocorrelation)
  • 41. شاخص کاهش واریانس (Gelman-Rubin Statistic)
  • 42. تست‌های همگرایی دیگر
  • 43. مباحث پیشرفته در MCMC
  • 44. طراحی توابع پیشنهاد کارآمد
  • 45. استفاده از نمونه‌گیری ترکیبی (Hybrid Sampling)
  • 46. نمونه‌گیری اهرمی (Langevin Sampling)
  • 47. روش‌های MCMC با گام زمانی متغیر
  • 48. مقدمه‌ای بر Stan
  • 49. معماری و قابلیت‌های Stan
  • 50. زبان مدل‌سازی Stan
  • 51. نحوه تعریف مدل در Stan
  • 52. پارامترها، متغیرهای مشاهده‌شده و متغیرهای پنهان
  • 53. توابع توزیع در Stan
  • 54. تعریف بخش‌های مدل (model block)
  • 55. تعریف بخش داده (data block)
  • 56. تعریف بخش پارامترها (parameters block)
  • 57. تعریف بخش متغیرهای کمکی (transformed data/parameters block)
  • 58. تعریف بخش نتایج (generated quantities block)
  • 59. تنظیم پارامترهای MCMC در Stan
  • 60. تنظیمات مربوط به الگوریتم‌های نمونه‌گیری
  • 61. تعداد تکرارها (iterations) و burn-in
  • 62. تعداد زنجیره‌ها (chains)
  • 63. تنظیمات مربوط به الگوریتم HMC (Hamiltonian Monte Carlo)
  • 64. تنظیمات مربوط به الگوریتم NUTS (No-U-Turn Sampler)
  • 65. تنظیم پارامترهای گام زمانی (stepsize) و تعداد گام‌ها (num_samples)
  • 66. تنظیم پارامترهای مربوط به همگرایی
  • 67. تنظیمات مربوط به پیش‌پردازش داده‌ها
  • 68. تنظیمات مربوط به اعتبارسنجی مدل
  • 69. ارزیابی کیفیت نمونه‌ها
  • 70. استفاده از شاخص‌های همگرایی در Stan
  • 71. تحلیل نمودارهای سری زمانی در Stan
  • 72. بررسی خودهمبستگی در Stan
  • 73. تفسیر نتایج MCMC
  • 74. تخمین پارامترها و فواصل اطمینان بیزی
  • 75. نمودارهای توزیع پسین
  • 76. محاسبه آماره‌های توصیفی از توزیع پسین
  • 77. بررسی برازش مدل
  • 78. استفاده از شاخص‌های اطلاعاتی (WAIC, LOO-CV)
  • 79. مقایسه مدل‌های جایگزین
  • 80. کاربرد MCMC با Stan در علوم مختلف
  • 81. مثال‌های عملی در اقتصادسنجی
  • 82. مثال‌های عملی در آمار زیستی
  • 83. مثال‌های عملی در علوم اجتماعی
  • 84. مثال‌های عملی در یادگیری ماشین
  • 85. نکات تکمیلی و تکنیک‌های پیشرفته
  • 86. مدل‌سازی سلسله‌مراتبی با Stan
  • 87. تنظیمات پیشرفته برای مدل‌های پیچیده
  • 88. دیباگ کردن مدل‌های Stan
  • 89. کارایی و بهینه‌سازی کد Stan
  • 90. نکات اخلاقی در تحلیل داده‌های آماری
  • 91. ملاحظات شرعی در کاربردهای مالی و اقتصادی
  • 92. تفسیر نتایج با رویکرد اسلامی
  • 93. پرهیز از مصادیق ربا در مدل‌سازی اقتصادی
  • 94. چارچوب‌های عقود اسلامی در مدل‌سازی
  • 95. ملاحظات شرعی در علوم پزشکی و روانشناسی
  • 96. چارچوب خانواده ایرانی-اسلامی در تحلیل روابط
  • 97. پرهیز از ترویج الگوهای غربی در روانشناسی
  • 98. ملاحظات شرعی در تحلیل‌های تاریخی و سیاسی
  • 99. تأکید بر منافع ملی در روابط بین‌الملل
تگ‌ها: MCMC Stan آمار بیزی بهینه‌سازی تحلیل داده شبیه‌سازی محاسبات آماری مدل‌سازی آماری نمونه‌گیری مارکوف یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.