کتاب تکنیک‌های اعتبارسنجی نتایج 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 تکنیک‌های اعتبارسنجی نتایج در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر اعتبارسنجی نتایج MCMC در Stan
  • 2. چرا اعتبارسنجی نتایج Stan مهم است؟
  • 3. بررسی بصری زنجیره‌های MCMC: نمودارهای traceplot
  • 4. بررسی بصری زنجیره‌های MCMC: نمودارهای autocorrelation
  • 5. بررسی همگرایی با R-hat
  • 6. تفسیر مقدار R-hat و آستانه‌های قابل قبول
  • 7. بررسی همگرایی با Effective Sample Size (ESS)
  • 8. تفسیر ESS و ارتباط آن با دقت تخمین
  • 9. تشخیص divergenceها در Stan
  • 10. علل بروز divergence و راهکارهای رفع
  • 11. بررسی پارامترهای divergent
  • 12. استفاده از نمودارهای Pareto برای تشخیص مشکلات نمونه‌گیری
  • 13. بررسی posterior predictive checks (PPC)
  • 14. انواع PPC و نحوه تفسیر آن‌ها
  • 15. استفاده از PPC برای ارزیابی برازش مدل
  • 16. تولید نمودارهای PPC در Stan
  • 17. مقایسه توزیع داده‌های مشاهده شده با داده‌های شبیه‌سازی شده
  • 18. آشنایی با توزیع‌های posterior predictive
  • 19. استفاده از توابع loss برای ارزیابی PPC
  • 20. بررسی visual predictive checks
  • 21. بررسی quantitative predictive checks
  • 22. استفاده از cross-validation برای ارزیابی مدل
  • 23. K-fold cross-validation در Stan
  • 24. ارزیابی مدل با استفاده از WAIC (Widely Applicable Information Criterion)
  • 25. تفسیر مقدار WAIC و مقایسه مدل‌ها
  • 26. ارزیابی مدل با استفاده از LOO-CV (Leave-One-Out Cross-Validation)
  • 27. تفسیر نتایج LOO-CV و مقایسه با WAIC
  • 28. بررسی حساسیت نتایج به priorها
  • 29. تحلیل حساسیت prior: روش‌های مختلف
  • 30. انتخاب priorهای غیر informative
  • 31. انتخاب priorهای weakly informative
  • 32. استفاده از prior predictive checks
  • 33. بررسی تاثیر priorها بر posterior distribution
  • 34. تشخیص multicollinearity در مدل
  • 35. راه‌های مقابله با multicollinearity
  • 36. بررسی outliers و تاثیر آن‌ها بر نتایج
  • 37. روش‌های شناسایی outliers
  • 38. بررسی residualها و تشخیص مشکلات مدل
  • 39. تحلیل residualها برای ارزیابی assumptions مدل
  • 40. استفاده از Bayesian model averaging
  • 41. مقدمه‌ای بر Bayesian model comparison
  • 42. استفاده از Bayes factors برای مقایسه مدل‌ها
  • 43. بررسی posterior probability of models
  • 44. اعتبارسنجی مدل‌های سلسله مراتبی (hierarchical models)
  • 45. تکنیک‌های اعتبارسنجی برای مدل‌های پیچیده
  • 46. عیب‌یابی مشکلات رایج در Stan
  • 47. بهینه‌سازی کد Stan برای بهبود عملکرد
  • 48. استفاده از Stan diagnostics برای شناسایی مشکلات
  • 49. رویکردهای پیشرفته برای اعتبارسنجی مدل
تگ‌ها: Bayesian inference Bayesian modeling Bayesian statistics divergence ESS LOO-CV MCMC posterior predictive checks prior sensitivity R-hat Stan Stan diagnostics WAIC آمار بیزی اعتبارسنجی مدل

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.