کتاب مدیریت مشکلات همگرایی 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 مدیریت مشکلات همگرایی در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مفهوم همگرایی در زنجیره‌های مونت‌کارلو مارکوف
  • 2. انواع مشکلات همگرایی: انحراف، ترکیدگی و همگرایی ظاهری
  • 3. تشخیص انتقالات واگرا (Divergent Transitions) در Stan
  • 4. محاسبه و تفسیر آماره R-hat
  • 5. اندازهٔ نمونهٔ مؤثر (ESS) و کاربرد آن در تشخیص همگرایی
  • 6. خواندن نمودارهای ردیابی (Trace Plots) برای بررسی همگرایی
  • 7. تحلیل خودهمبستگی و نمودارهای AC در زنجیره‌های MCMC
  • 8. نمودار انرژی (Energy Plot) و تشخیص مشکلات نمونه‌گیری
  • 9. تنظیمات پیش‌فرض موتور نمونه‌گیری Stan (stepsize, warmup, iter)
  • 10. نقش دمای دودمانی (Warmup) و پنجرهٔ تطبیق در همگرایی
  • 11. تنظیم نرخ پذیرش هدف (Target Acceptance Rate) در Stan
  • 12. تأثیر مقیاس‌بندی پارامترها بر همگرایی
  • 13. مشکلات ناهمگونگی مقیاس در مدل‌های بیزی
  • 14. هندسهٔ مخروطی (Funnel Geometry) و چرا باعث شکست همگرایی می‌شود
  • 15. پارامتریزاسیون بدون مرکز (Non-centered Parameterization) راه‌حل مخروط
  • 16. مقایسهٔ پارامتریزاسیون مرکزی و غیرمرکزی از نظر همگرایی
  • 17. انتخاب اولیه‌ها (Initial Values) و تأثیر آن بر همگرایی
  • 18. تعیین اولیه‌های هوشمند برای جلوگیری از شکست همگرایی
  • 19. نقش پیشینه‌ها (Priors) در بهبود همگرایی مدل
  • 20. پیشینه‌های ضعیف و قوی: تأثیر بر پایداری نمونه‌گیری
  • 21. مدل‌های سلسله‌مراتبی و چالش‌های همگرایی آن‌ها
  • 22. جداسازی داده (Data Separation) و مشکلات همگرایی در رگرسیون لجستیک
  • 23. داده‌های نادر و تأثیر آن بر همگرایی زنجیره‌ها
  • 24. تشخیص هندسه‌های بیمارگونهٔ توزیع پسین
  • 25. استراتژی‌های بازپارامتریزاسیون برای بهبود همگرایی
  • 26. استفاده از ماتریس جرمی گره‌ای (Dense Mass Matrix) در Stan
  • 27. نمونه‌گیری بلوکی و تأثیر آن بر همگرایی
  • 28. تفاوت HMC و NUTS و رفتار هرکدام نسبت به همگرایی
  • 29. تشخیص چندمدالی بودن (Multimodality) و تأثیر آن بر همگرایی
  • 30. استراتژی‌های عبور از موانع در توزیع‌های چندمدالی
  • 31. ابزارهای تشخیصی RStan: summary، monitor و check_hmc_diagnostics
  • 32. ابزارهای تشخیصی CmdStanR: diagnose و summarize
  • 33. بررسی همگرایی چندزنجیره‌ای: تعداد زنجیره و تنوع آن‌ها
  • 34. قوانین توقف مونت‌کارلو بر اساس معیارهای همگرایی
  • 35. تحلیل و همگرایی در مدل‌های مخلوط (Mixture Models)
  • 36. مدل‌های با پارامترهای محدود به مرز و مشکلات همگرایی
  • 37. تعامل اندازهٔ داده و پیچیدگی مدل در همگرایی
  • 38. خطای مشخصه‌گذاری مدل و شکست همگرایی
  • 39. پایش پیش‌بینی پسین (Posterior Predictive Check) و ارتباط آن با همگرایی
  • 40. جریان کار عملی عیب‌یابی همگرایی در مدل‌های واقعی
  • 41. مطالعات موردی: عیب‌یابی همگرایی در مدل‌های رگرسیونی
  • 42. مطالعات موردی: بهبود همگرایی در مدل‌های سلسله‌مراتبی
  • 43. شاخص‌های تشخیصی جدید: Rhat و ESS در CmdStanR
  • 44. مدیریت حافظه و زمان اجرا هنگام رفع مشکلات همگرایی
  • 45. بهترین شیوه‌ها و چک‌لیست عیب‌یابی همگرایی در Stan
تگ‌ها: adaptive MCMC Bayesian modeling Bayesian statistics divergent transitions Stan effective sample size hierarchical model convergence HMC NUTS MCMC convergence MCMC pitfalls non-centered parameterization posterior convergence R-hat diagnostic Stan diagnostics Stan programming Stan troubleshooting

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.