کتاب راهنمای گام به گام برای استفاده از HMC و NUTS در Stan با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

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 راهنمای گام به گام برای استفاده از HMC و NUTS در Stan

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

موضوع میانی: نمونه‌گیری از طریق HMC و NUTS در Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر آمار بیزی و MCMC
  • 2. بررسی اجمالی روش‌های نمونه‌گیری MCMC
  • 3. معرفی Stan: یک زبان برنامه‌نویسی احتمالاتی
  • 4. نصب و راه‌اندازی Stan و رابط‌های آن (RStan, CmdStan)
  • 5. ساختار یک مدل Stan: داده‌ها، پارامترها، مدل
  • 6. تعریف توابع احتمال در Stan
  • 7. توابع توزیع احتمال رایج در Stan
  • 8. مدل‌سازی سلسله مراتبی در Stan
  • 9. مقدمه‌ای بر HMC: همبستگی و گام‌های پیشنهادی
  • 10. بررسی دقیق الگوریتم HMC
  • 11. پارامترهای HMC: طول گام، تعداد گام‌ها، دلتا
  • 12. تشخیص همگرایی در HMC: R-hat، n_eff
  • 13. معرفی NUTS: No-U-Turn Sampler
  • 14. مزایای NUTS نسبت به HMC
  • 15. تنظیم پارامترهای NUTS به صورت خودکار
  • 16. مدل‌سازی ساده با Stan و HMC: رگرسیون خطی
  • 17. مدل‌سازی با Stan و NUTS: رگرسیون لجستیک
  • 18. مدل‌سازی با Stan و NUTS: تحلیل واریانس (ANOVA)
  • 19. مدل‌سازی با Stan و NUTS: مدل‌های خطی تعمیم‌یافته (GLM)
  • 20. مدل‌سازی با Stan و NUTS: مدل‌های بقا
  • 21. مدل‌سازی با Stan و NUTS: مدل‌های مخلوط گاوسی (Gaussian Mixture Models)
  • 22. ارزیابی و مقایسه مدل‌ها در Stan
  • 23. پیش‌بینی و اعتبارسنجی مدل در Stan
  • 24. استفاده از Priorهای آگاهانه و غیرآگاهانه
  • 25. تاثیر Priorها بر نتایج MCMC
  • 26. مقایسه HMC و NUTS در عمل
  • 27. بهینه‌سازی کد Stan برای سرعت و کارایی
  • 28. استفاده از Stan برای داده‌های بزرگ
  • 29. استفاده از Stan با زبان‌های برنامه‌نویسی دیگر (Python, Julia)
  • 30. عیب‌یابی رایج در Stan
  • 31. بررسی مسائل مربوط به شناسایی (Identifiability) در مدل‌ها
  • 32. استفاده از توابع تعریف شده توسط کاربر (User-Defined Functions) در Stan
  • 33. نوشتن مدل‌های پیچیده با Stan: نمونه‌های کاربردی
  • 34. تکنیک‌های پیشرفته MCMC در Stan
  • 35. بررسی اثرات نوسانات در MCMC
  • 36. استفاده از Stan برای مدل‌سازی Bayesian Nonparametric
  • 37. اعتبارسنجی مدل‌های Stan با استفاده از داده‌های شبیه‌سازی شده
  • 38. استفاده از Stan در مسائل مالی
  • 39. استفاده از Stan در علوم زیستی
تگ‌ها: Bayesian Modeling Bayesian Statistics CmdStan HMC MCMC NUTS Probabilistic Programming RStan Stan Stan Tips آمار بیزی استنباط بیزی مدل‌سازی آماری نمونه‌گیری مونت‌کارلو

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.