اکسپرس 24
کتاب کشف پتانسیل HMC و NUTS در Stan برای تحلیل بیزی

کتاب کشف پتانسیل HMC و NUTS در Stan برای تحلیل بیزی

تگ‌ها: HMC NUTS Stan آمار بیزی تحلیل بیزی تحلیل داده مدل‌سازی آماری نرم‌افزار آماری نمونه‌گیری MCMC

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

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کشف پتانسیل HMC و NUTS در Stan برای تحلیل بیزی

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 مدل‌سازی آماری بیزی
  • 2. اصول استنتاج بیزی
  • 3. مفاهیم احتمال و توزیع‌های احتمال
  • 4. انتخاب توزیع پیشین مناسب
  • 5. انتخاب تابع درستنمایی مناسب
  • 6. قضیه بیز و کاربردهای آن
  • 7. نمونه‌برداری از توزیع پسین
  • 8. مقدمه‌ای بر نرم‌افزار Stan
  • 9. نصب و راه‌اندازی Stan
  • 10. زبان برنامه‌نویسی Stan
  • 11. ساختار کلی مدل در Stan
  • 12. تعریف متغیرها و پارامترها
  • 13. تعریف توزیع‌های پیشین و درستنمایی
  • 14. کامپایل کردن مدل‌های Stan
  • 15. اجرای مدل‌ها و تفسیر نتایج
  • 16. مقدمه‌ای بر الگوریتم‌های MCMC
  • 17. کاربرد MCMC در مدل‌سازی بیزی
  • 18. الگوریتم Metropolis-Hastings
  • 19. معیارهای همگرایی در MCMC
  • 20. تشخیص و رفع مشکلات همگرایی
  • 21. نمونه‌برداری با استفاده از HMC
  • 22. مکانیک هامیلتونی و اصول آن
  • 23. مفهوم انرژی پتانسیل و جنبشی
  • 24. انتخاب گام زمانی و تعداد گام‌ها
  • 25. تنظیم پارامترهای HMC
  • 26. مزایای HMC نسبت به Metropolis-Hastings
  • 27. مقدمه‌ای بر الگوریتم NUTS
  • 28. بهینه‌سازی HMC با NUTS
  • 29. نحوه عملکرد NUTS
  • 30. انتخاب طول مسیر در NUTS
  • 31. پارامترهای کلیدی NUTS
  • 32. مقایسه HMC و NUTS
  • 33. کاربرد HMC و NUTS در مدل‌های پیچیده
  • 34. مدل‌های خطی بیزی
  • 35. مدل‌های رگرسیون خطی بیزی
  • 36. مدل‌های رگرسیون لجستیک بیزی
  • 37. مدل‌های سری زمانی بیزی
  • 38. مدل‌های سلسله‌مراتبی بیزی
  • 39. پیاده‌سازی مدل‌های خطی در Stan
  • 40. کاربرد HMC و NUTS در مدل‌های خطی
  • 41. مدل‌سازی داده‌های شمارشی
  • 42. مدل‌های پواسون بیزی
  • 43. مدل‌های دوجمله‌ای منفی بیزی
  • 44. پیاده‌سازی مدل‌های شمارشی در Stan
  • 45. کاربرد HMC و NUTS در مدل‌های شمارشی
  • 46. مدل‌سازی داده‌های بقا
  • 47. مدل‌های بقا پارامتری بیزی
  • 48. مدل‌های بقا نیمه‌پارامتری بیزی
  • 49. پیاده‌سازی مدل‌های بقا در Stan
  • 50. کاربرد HMC و NUTS در مدل‌های بقا
  • 51. مدل‌سازی داده‌های فضایی
  • 52. مدل‌های فضایی بیزی
  • 53. پیاده‌سازی مدل‌های فضایی در Stan
  • 54. کاربرد HMC و NUTS در مدل‌های فضایی
  • 55. مدل‌سازی داده‌های خوشه‌ای
  • 56. مدل‌های خوشه‌ای بیزی
  • 57. پیاده‌سازی مدل‌های خوشه‌ای در Stan
  • 58. کاربرد HMC و NUTS در مدل‌های خوشه‌ای
  • 59. مدل‌سازی با توزیع‌های نرمال چندمتغیره
  • 60. پیاده‌سازی در Stan
  • 61. کاربرد HMC و NUTS
  • 62. مدل‌سازی با توزیع‌های کای‌دو
  • 63. پیاده‌سازی در Stan
  • 64. کاربرد HMC و NUTS
  • 65. مدل‌سازی با توزیع‌های بتا
  • 66. پیاده‌سازی در Stan
  • 67. کاربرد HMC و NUTS
  • 68. مدل‌سازی با توزیع‌های گاما
  • 69. پیاده‌سازی در Stan
  • 70. کاربرد HMC و NUTS
  • 71. مدل‌سازی با توزیع‌های t دانشجو
  • 72. پیاده‌سازی در Stan
  • 73. کاربرد HMC و NUTS
  • 74. مدل‌سازی با توزیع‌های مخلوط
  • 75. پیاده‌سازی در Stan
  • 76. کاربرد HMC و NUTS
  • 77. مدل‌سازی پیشرفته در Stan
  • 78. نکات بهینه‌سازی مدل‌های Stan
  • 79. عیب‌یابی و رفع خطاهای رایج
  • 80. ارزیابی صحت مدل
  • 81. مقایسه مدل‌های رقیب
  • 82. استفاده از بسته‌های کمکی Stan
  • 83. تجسم نتایج مدل‌سازی بیزی
  • 84. کاربرد HMC و NUTS در پژوهش‌های علمی
  • 85. مطالعات موردی در حوزه‌های مختلف
  • 86. آموزش و یادگیری مداوم در مدل‌سازی بیزی
  • 87. آخرین پیشرفت‌ها در الگوریتم‌های MCMC
  • 88. جمع‌بندی و نگاه به آینده

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.