کتاب ملاحظات محاسباتی در ساخت و اجرای مدل‌های سفارشی MCMC 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 ملاحظات محاسباتی در ساخت و اجرای مدل‌های سفارشی MCMC

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

موضوع میانی: ساخت مدل‌های سفارشی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر روش‌های زنجیره مارکوف مونت کارلو
  • 2. مفاهیم پایه‌ای احتمالات و آمار برای MCMC
  • 3. توزیع‌های احتمال و کارکرد آن‌ها
  • 4. توزیع‌های پیشین و پسین در MCMC
  • 5. قضیه بیز و استنتاج بیزی
  • 6. انتخاب توزیع پیشین مناسب
  • 7. روش‌های نمونه‌برداری مونت کارلو
  • 8. الگوریتم Metropolis-Hastings
  • 9. الگوریتم Gibbs Sampling
  • 10. همگرایی زنجیره‌های مارکوف
  • 11. معیارهای ارزیابی همگرایی
  • 12. تشخیص و رفع مشکلات همگرایی
  • 13. محاسبه احتمال پذیرش در الگوریتم Metropolis-Hastings
  • 14. انتخاب اندازه گام بهینه
  • 15. تاثیر توزیع پیشنهادی بر کارایی MCMC
  • 16. استفاده از توزیع‌های چندمتغیره در MCMC
  • 17. روش‌های نمونه‌برداری موازی در MCMC
  • 18. بهینه‌سازی کد MCMC برای سرعت و کارایی
  • 19. کاربرد MCMC در مدل‌سازی آماری
  • 20. MCMC در رگرسیون خطی و لجستیک
  • 21. MCMC در مدل‌های خطی تعمیم‌یافته
  • 22. MCMC در مدل‌های سلسله مراتبی
  • 23. MCMC در مدل‌های مخلوط نرمال
  • 24. MCMC در تحلیل بقا
  • 25. MCMC در مدل‌های فضایی
  • 26. MCMC در بیوانفورماتیک
  • 27. MCMC در اقتصادسنجی
  • 28. MCMC در علوم اجتماعی
  • 29. MCMC در فیزیک
  • 30. پیاده‌سازی MCMC در R
  • 31. پیاده‌سازی MCMC در Python
  • 32. پیاده‌سازی MCMC در Stan
  • 33. مقایسه عملکرد Stan با R و Python
  • 34. استفاده از کتابخانه‌های MCMC آماده
  • 35. تکنیک‌های کاهش واریانس در MCMC
  • 36. روش‌های اهمیت نمونه‌برداری
  • 37. روش‌های زنجیره مارکوف با بازگشت خودکار (Automatic-Restarting Markov Chain)
  • 38. MCMC با استفاده از تقریب همبستگی خودکار
  • 39. MCMC و مسائل مربوط به ابعاد زیاد
  • 40. روش‌های کاهش ابعاد برای MCMC
  • 41. انتخاب متغیرهای مناسب برای MCMC
  • 42. محاسبه توزیع پسین چندمتغیره
  • 43. MCMC و مدل‌های پنهان مارکوف
  • 44. MCMC در استنتاج مدل
  • 45. انتخاب مدل با استفاده از MCMC
  • 46. محاسبه شواهد (Evidence) با استفاده از MCMC
  • 47. MCMC و مسائل بهینه‌سازی
  • 48. MCMC و مسائل کنترل بهینه
  • 49. استفاده از MCMC برای تقریب توابع پیچیده
  • 50. MCMC و یادگیری ماشین
  • 51. MCMC در خوشه‌بندی
  • 52. MCMC در کاهش ابعاد
  • 53. MCMC و شبکه‌های بیزی
  • 54. MCMC و استنتاج گرافیکی
  • 55. MCMC و مدل‌سازی علت و معلولی
  • 56. MCMC و تحلیل حساسیت
  • 57. MCMC و تحلیل عدم قطعیت
  • 58. مفاهیم پیشرفته در MCMC
  • 59. روش‌های Adaptive MCMC
  • 60. روش‌های Hamiltonian Monte Carlo
  • 61. روش‌های Sequential Monte Carlo
  • 62. MCMC و محاسبات توزیع‌شده
  • 63. MCMC و پردازش ابری
  • 64. MCMC و یادگیری تقویتی
  • 65. MCMC و مسائل تصمیم‌گیری
  • 66. ملاحظات محاسباتی در پیاده‌سازی MCMC
  • 67. بررسی منابع و مراجع تخصصی MCMC
تگ‌ها: MCMC آمار آمار بیزی احتمالات تحلیل داده روش‌های مونت‌کارلو محاسبات آماری مدل سفارشی مدل‌سازی آماری نمونه‌گیری مارکوف

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.