کتاب کاوش در شبیه‌سازی مونت‌کارلو برای استنتاج آماری پیشرفته 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 کاوش در شبیه‌سازی مونت‌کارلو برای استنتاج آماری پیشرفته

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

موضوع میانی: شبیه‌سازی مونت‌کارلو

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر شبیه‌سازی مونت‌کارلو و کاربردهای آن
  • 2. مفاهیم پایه احتمال و آمار برای شبیه‌سازی
  • 3. تولید اعداد تصادفی: روش‌ها و الگوریتم‌ها
  • 4. توزیع‌های احتمال پیوسته و گسسته در شبیه‌سازی
  • 5. روش‌های مبتنی بر معکوس توزیع
  • 6. روش رد و پذیرش (Acceptance-Rejection Sampling)
  • 7. اهمیت نمونه‌گیری (Importance Sampling)
  • 8. تخمین انتگرال با استفاده از مونت‌کارلو
  • 9. خطای شبیه‌سازی مونت‌کارلو و روش‌های کاهش آن
  • 10. شبیه‌سازی مونت‌کارلو در مسائل بهینه‌سازی
  • 11. مقدمه‌ای بر آمار بیزی
  • 12. توزیع‌های پیشین، درست‌نمایی و پسین
  • 13. استنتاج بیزی: محاسبه توزیع پسین
  • 14. روش‌های تحلیلی در آمار بیزی و محدودیت‌ها
  • 15. مقدمه‌ای بر روش‌های نمونه‌گیری مونت‌کارلو مارکوف (MCMC)
  • 16. زنجیره‌های مارکوف و خواص آن‌ها
  • 17. مفهوم فضای حالت و همگرایی
  • 18. الگوریتم متروپلیس-هستینگز (Metropolis-Hastings)
  • 19. انتخاب توزیع پیشنهادی در متروپلیس-هستینگز
  • 20. الگوریتم گیلز (Gibbs Sampling)
  • 21. کاربرد گیلز در مدل‌های بیزی
  • 22. الگوریتم هیبریدی (Hybrid Algorithms)
  • 23. روش‌های تنظیم خودکار (Adaptive MCMC)
  • 24. تشخیص همگرایی زنجیره‌های MCMC
  • 25. آمار خودهمبستگی و تحلیل سری زمانی
  • 26. استفاده از R و Python در شبیه‌سازی مونت‌کارلو
  • 27. پیاده‌سازی MCMC در R: مثال‌های کاربردی
  • 28. پیاده‌سازی MCMC در Python: مثال‌های کاربردی
  • 29. مدل‌های بیزی سلسله مراتبی و MCMC
  • 30. مدل‌های بیزی غیرپارامتری و MCMC
  • 31. MCMC برای مدل‌های مخلوط گاوسی
  • 32. MCMC در مدل‌های رگرسیونی
  • 33. MCMC برای تحلیل بقا
  • 34. MCMC در تحلیل سری‌های زمانی
  • 35. استفاده از MCMC در مدل‌سازی مالی
  • 36. MCMC در ژنتیک و زیست‌شناسی محاسباتی
  • 37. MCMC در علوم محیطی
  • 38. MCMC در پردازش تصویر
  • 39. روش‌های موازی‌سازی در MCMC
  • 40. بهینه‌سازی کد MCMC برای افزایش سرعت
  • 41. انتخاب معیار همگرایی مناسب
  • 42. ارزیابی و مقایسه روش‌های MCMC
  • 43. MCMC و مسائل ابعاد بالا
  • 44. روش‌های کاهش ابعاد برای MCMC
  • 45. چالش‌ها و راهکارهای پیاده‌سازی MCMC در عمل
  • 46. تفسیر نتایج MCMC و ارائه گزارش
تگ‌ها: Bayesian statistics Markov Chain Monte Carlo MCMC Monte Carlo Python R آمار آمار بیزی استنتاج آماری زنجیره مارکوف شبیه‌سازی مونت‌کارلو گیلز متروپلیس هستینگز مدل‌سازی بیزی یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.