کتاب نکات کلیدی برای استفاده مؤثر از HMC و NUTS در Stan با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
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 نکات کلیدی برای استفاده مؤثر از HMC و NUTS در Stan

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

موضوع میانی: نمونه‌گیری از طریق HMC و NUTS در Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مدل‌سازی آماری و بیزی
  • 2. مفاهیم پایه آمار بیزی
  • 3. توزیع پیشین، درستنمایی و پسین
  • 4. قضیه بیز و کاربردهای آن
  • 5. مقدمه‌ای بر نرم‌افزار Stan
  • 6. نصب و راه‌اندازی Stan
  • 7. زبان Stan: ساختار و سینتکس
  • 8. انواع مدل‌های آماری در Stan
  • 9. مدل‌های خطی و تعمیم‌یافته
  • 10. مدل‌های سلسله‌مراتبی (Hierarchical Models)
  • 11. مدل‌های خطی تعمیم‌یافته سلسله‌مراتبی (HMC)
  • 12. مفاهیم اساسی HMC
  • 13. الگوریتم HMC: گام‌های اصلی
  • 14. کاهش ابعاد در HMC
  • 15. تنظیم پارامترهای HMC
  • 16. کاربرد HMC در مدل‌سازی آماری
  • 17. مثال‌های عملی HMC در Stan
  • 18. بهینه‌سازی HMC برای سرعت و دقت
  • 19. تشخیص واگرایی در HMC
  • 20. عیب‌یابی مدل‌های HMC
  • 21. مقدمه‌ای بر الگوریتم NUTS (No-U-Turn Sampler)
  • 22. مقایسه HMC و NUTS
  • 23. مزایای NUTS نسبت به HMC
  • 24. کاربرد NUTS در مدل‌سازی بیزی
  • 25. پیاده‌سازی NUTS در Stan
  • 26. تنظیم پارامترهای NUTS
  • 27. تشخیص واگرایی در NUTS
  • 28. کاربرد NUTS در مدل‌های پیچیده
  • 29. مثال‌های عملی NUTS در Stan
  • 30. بهینه‌سازی NUTS
  • 31. ملاحظات عملی در استفاده از HMC و NUTS
  • 32. انتخاب مدل آماری مناسب
  • 33. انتخاب توزیع پیشین مناسب
  • 34. ارزیابی برازش مدل (Model Fit)
  • 35. شاخص‌های ارزیابی مدل
  • 36. تحلیل باقی‌مانده‌ها (Residual Analysis)
  • 37. اعتبارسنجی متقابل (Cross-validation)
  • 38. مقایسه مدل‌ها با استفاده از معیارهای بیزی
  • 39. بررسی حساسیت به پیشین‌ها
  • 40. تفسیر نتایج مدل‌های بیزی
  • 41. ترسیم و نمایش نتایج
  • 42. نمایش توزیع پسین پارامترها
  • 43. رسم نمودارهای پیش‌بینی
  • 44. تجزیه و تحلیل حساسیت نتایج
  • 45. کاربرد HMC و NUTS در حوزه‌های مختلف
  • 46. مدل‌سازی داده‌های سری زمانی
  • 47. مدل‌سازی داده‌های فضایی
  • 48. مدل‌سازی شبکه‌های اجتماعی
  • 49. مدل‌سازی در علوم زیستی
  • 50. مدل‌سازی در علوم اقتصادی
  • 51. مدل‌سازی در علوم اجتماعی
  • 52. مدل‌سازی در علوم مهندسی
  • 53. مدل‌سازی در علوم پزشکی
  • 54. مدل‌سازی در حوزه سلامت
  • 55. مدل‌سازی در حوزه محیط زیست
  • 56. مدل‌سازی در حوزه آموزش
  • 57. مدل‌سازی در حوزه مدیریت
  • 58. مدل‌سازی در حوزه صنعت
  • 59. مدل‌سازی در حوزه بازاریابی
  • 60. مدل‌سازی در حوزه مالی
  • 61. مدل‌سازی در حوزه حقوق
  • 62. مدل‌سازی در حوزه سیاست
  • 63. مدل‌سازی در حوزه فرهنگ
  • 64. مدل‌سازی در حوزه مذهب
  • 65. مدل‌سازی در حوزه فلسفه
  • 66. مدل‌سازی در حوزه روانشناسی
  • 67. مدل‌سازی در حوزه جامعه‌شناسی
  • 68. مدل‌سازی در حوزه زبان‌شناسی
  • 69. مدل‌سازی در حوزه تاریخ
  • 70. مدل‌سازی در حوزه جغرافیا
  • 71. مدل‌سازی در حوزه فیزیک
  • 72. مدل‌سازی در حوزه شیمی
  • 73. مدل‌سازی در حوزه ریاضیات
  • 74. مدل‌سازی در حوزه علوم کامپیوتر
  • 75. مدل‌سازی در حوزه هوش مصنوعی
  • 76. مدل‌سازی در حوزه یادگیری ماشین
  • 77. مدل‌سازی در حوزه داده‌کاوی
  • 78. مدل‌سازی در حوزه پردازش زبان طبیعی
  • 79. مدل‌سازی در حوزه بینایی ماشین
  • 80. مدل‌سازی در حوزه رباتیک
  • 81. مدل‌سازی در حوزه سیستم‌های توصیه‌گر
  • 82. مدل‌سازی در حوزه امنیت سایبری
  • 83. مدل‌سازی در حوزه بلاک‌چین
  • 84. مدل‌سازی در حوزه ارزهای دیجیتال (با رعایت مقررات)
  • 85. مدل‌سازی در حوزه اقتصاد اسلامی
  • 86. مدل‌سازی در حوزه بانکداری اسلامی
  • 87. مدل‌سازی در حوزه بیمه اسلامی
  • 88. مدل‌سازی در حوزه سرمایه‌گذاری اسلامی
  • 89. مدل‌سازی در حوزه مدیریت ریسک اسلامی
  • 90. مدل‌سازی در حوزه توسعه پایدار
  • 91. مدل‌سازی در حوزه حکمرانی خوب
  • 92. مدل‌سازی در حوزه عدالت اجتماعی
  • 93. مدل‌سازی در حوزه رفاه عمومی
  • 94. مدل‌سازی در حوزه کارآفرینی
  • 95. مدل‌سازی در حوزه نوآوری
  • 96. مدل‌سازی در حوزه تحقیق و توسعه
  • 97. مدل‌سازی در حوزه تولید محتوا
  • 98. مدل‌سازی در حوزه آموزش مجازی
  • 99. مدل‌سازی در حوزه سلامت دیجیتال
  • 100. مدل‌سازی در حوزه شهر هوشمند
تگ‌ها: HMC NUTS Stan آمار بیزی بهینه‌سازی بیزی محاسبات بیزی مدل‌سازی آماری نمونه‌گیری MCMC

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.