کتاب پشتیبانی MCMC از مدل‌های آماری بیزی با متغیرهای پنهان 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 پشتیبانی MCMC از مدل‌های آماری بیزی با متغیرهای پنهان

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

موضوع میانی: پشتیبانی از انواع توزیع‌ها و مدل‌ها

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر استنباط بیزی
  • 2. مدل‌های آماری بیزی: اصول و مبانی
  • 3. متغیرهای پنهان: تعریف و کاربردها
  • 4. روش‌های تخمین پارامتر در مدل‌های بیزی
  • 5. مفهوم زنجیره مارکوف مونت کارلو (MCMC)
  • 6. الگوریتم Metropolis-Hastings: تئوری و پیاده‌سازی
  • 7. الگوریتم Gibbs Sampling: تئوری و پیاده‌سازی
  • 8. همگرایی زنجیره‌های MCMC: ارزیابی و تشخیص
  • 9. تشخیص همگرایی با استفاده از آماره‌های مختلف
  • 10. انتخاب توزیع پیشین مناسب
  • 11. حساسیت نتایج به انتخاب توزیع پیشین
  • 12. مدل‌های خطی تعمیم‌یافته بیزی
  • 13. مدل‌های رگرسیون بیزی با متغیرهای پنهان
  • 14. مدل‌های طبقه‌بندی بیزی
  • 15. مدل‌های خوشه‌بندی بیزی
  • 16. مدل‌های سری زمانی بیزی
  • 17. مدل‌های بقا بیزی
  • 18. مدل‌های سلسله مراتبی بیزی
  • 19. مدل‌های مخلوط بیزی
  • 20. مدل‌های فضایی بیزی
  • 21. استفاده از MCMC در مدل‌های انتخاب متغیر
  • 22. مدل‌های بیزی برای داده‌های از دست رفته
  • 23. روش‌های تقریب بیزی
  • 24. روش‌های Variational Bayes
  • 25. روش‌های Approximate Bayesian Computation (ABC)
  • 26. پیاده‌سازی MCMC در R
  • 27. پیاده‌سازی MCMC در Python (PyMC3)
  • 28. پیاده‌سازی MCMC در Stan
  • 29. مقایسه روش‌های مختلف MCMC
  • 30. بهینه‌سازی کد MCMC برای سرعت و کارایی
  • 31. کاربرد MCMC در ژنتیک
  • 32. کاربرد MCMC در زیست‌اطلاعاتی
  • 33. کاربرد MCMC در علوم مالی
  • 34. کاربرد MCMC در مهندسی
  • 35. کاربرد MCMC در علوم اجتماعی
  • 36. مدل‌های بیزی غیرپارامتری
  • 37. فرآیندهای گوسی
  • 38. مدل‌های Dirichlet Process
  • 39. تئوری تصمیم بیزی
  • 40. محاسبه Posterior Predictive Distribution
  • 41. اعتبارسنجی مدل بیزی
  • 42. تحلیل حساسیت مدل بیزی
  • 43. انتخاب مدل در چارچوب بیزی
  • 44. مقایسه مدل با استفاده از Bayes Factor
  • 45. پیاده‌سازی مدل‌های بیزی در مسائل واقعی
  • 46. مدل‌های بیزی برای داده‌های بزرگ
  • 47. روش‌های موازی‌سازی MCMC
  • 48. استفاده از GPU برای تسریع MCMC
  • 49. مدل‌های بیزی برای داده‌های پیچیده
  • 50. مدل‌های بیزی با ساختار گرافیکی
  • 51. شبکه‌های بیزی
  • 52. استنتاج در شبکه‌های بیزی
  • 53. یادگیری ساختار شبکه‌های بیزی
  • 54. مدل‌های بیزی پویا
  • 55. فیلتر کالمن بیزی
  • 56. هموارسازی کالمن بیزی
  • 57. مدل‌های حالت-فضا بیزی
  • 58. کاربرد MCMC در پردازش تصویر
  • 59. کاربرد MCMC در تشخیص الگو
  • 60. مدل‌های بیزی برای داده‌های مکانی-زمانی
  • 61. مدل‌های بیزی برای داده‌های چندمتغیره
  • 62. روش‌های کاهش ابعاد در مدل‌های بیزی
  • 63. تفسیر نتایج مدل‌های بیزی
  • 64. ارائه نتایج مدل‌های بیزی
  • 65. ملاحظات محاسباتی در MCMC
  • 66. مدیریت حافظه در MCMC
  • 67. انتخاب گام مناسب در MCMC
  • 68. مدل‌های بیزی و قانون احتمال کل
  • 69. مدل‌های بیزی و قاعده بیز
  • 70. کاربرد MCMC در یادگیری ماشین
  • 71. مدل‌های بیزی و regularization
  • 72. مدل‌های بیزی و cross-validation
  • 73. مدل‌های بیزی و ensemble methods
تگ‌ها: MCMC آمار آمار بیزی بیزی تحلیل آماری روش مونت‌کارلو متغیر پنهان مدل‌سازی آماری مدل‌های آماری یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.