کتاب تکنیکهای کارآمد در استنتاج تقریبی بیزی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB
249,950 تومان
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره تکنیکهای کارآمد در استنتاج تقریبی بیزی
موضوع کلی: روشهای نمونهگیری مونتکارلو مارکوف (MCMC) در آمار بیزی
موضوع میانی: استنتاج تقریبی بیزی (Approximate Bayesian Inference)
📋 سرفصلهای دوره
- 1. مفهوم استنتاج بیزی و چالشهای محاسباتی
- 2. مروری بر قضیهٔ بیز و کاربردها در یادگیری ماشین
- 3. توزیعهای پیشزمینه و پسزمینه در استنتاج بیزی
- 4. تعریف توزیع پوستا و وابستگی به داده
- 5. مشکلات عددی در محاسبهٔ انتگرالهای بیزی
- 6. مفهوم نمونهگیری مونتکارلو و خطای آن
- 7. زنجیرههای مارکوف و خواص آنها
- 8. گامبهگام الگوریتم متپلوکس (Metropolis)
- 9. الگوریتم متپلوکس-هاکینز (MH) و انتخاب پیشنهاددهنده
- 10. نمونهگیری گیبس (Gibbs Sampling) و شرایط همگرا
- 11. مقدار پیشپذیرش در MH و بهینهسازی آن
- 12. برآورد خودخطی (Auto-correlation) و گسستهسازی
- 13. زمان ترکیب (Mixing Time) و عوامل مؤثر
- 14. معیارهای همگرا (Convergence Diagnostics)
- 15. تخمین طولِِ صحیح زنجیره (Effective Sample Size)
- 16. روشهای افزایش کارآمدی نمونهگیری
- 17. استنتاج تقریبی با توزیعهای مرجع (Variational Inference)
- 18. تقریب لاورا (Laplace Approximation)
- 19. روشهای فیلتر ذذرهای (Particle Filters)
- 20. استنتاج تقریبی سریع (Fast Approximate Inference)
- 21. کاربردهای استنتاج بیزی در شبکههای عصبی
- 22. MCMC در یادگیری عمیق بیزی
- 23. چالشهای مقیاسپذیری در استنتاج بیزی
- 24. ارزیابی کیفیت تخمینهای بیزی
تگها:
Approximate Bayesian Computation
Bayesian Deep Learning
Bayesian Inference
Convergence Diagnostics
Gibbs Sampling
Laplace Approximation
Machine Learning
MCMC
Metropolis-Hastings
Monte Carlo methods
Particle Filters
Probabilistic Modeling
Probabilistic Programming
Statistical Inference
Variational Inference
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.