کتاب استفاده پیشرفته از `coda` برای تشخیص و رفع مشکلات الگوریتم‌های 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 استفاده پیشرفته از `coda` برای تشخیص و رفع مشکلات الگوریتم‌های MCMC

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

موضوع میانی: coda package

📋 سرفصل‌های دوره

  • 1. آشنایی با مفاهیم پایه MCMC
  • 2. مدل‌سازی احتمالی در آمار
  • 3. نظریه بیز
  • 4. مبانی استنتاج بیزی
  • 5. الگوریتم‌های نمونه‌گیری نمونه‌گیری از خانواده Metropolis-Hastings
  • 6. الگوریتم Metropolis
  • 7. الگوریتم Hastings
  • 8. طراحی تابع پیشنهاد در Metropolis-Hastings
  • 9. همگرایی الگوریتم‌های MCMC
  • 10. معیارهای ارزیابی همگرایی
  • 11. روش‌های تشخیص عدم همگرایی
  • 12. تنظیم پارامترهای الگوریتم‌های MCMC
  • 13. کاربرد MCMC در مدل‌های خطی تعمیم‌یافته
  • 14. مدل‌های لجستیک بیزی
  • 15. مدل‌های پواسون بیزی
  • 16. مدل‌های خطی مختلط بیزی
  • 17. کاربرد MCMC در سری‌های زمانی
  • 18. مدل‌های ARIMA بیزی
  • 19. مدل‌های حالت-فضا بیزی
  • 20. کاربرد MCMC در مدل‌های شبکه‌های عصبی
  • 21. آموزش شبکه‌های عصبی بیزی
  • 22. استنتاج پارامترها در شبکه‌های عصبی بیزی
  • 23. کاربرد MCMC در یادگیری ماشین
  • 24. دسته‌بندی بیزی
  • 25. رگرسیون بیزی
  • 26. خوشه‌بندی بیزی
  • 27. روش‌های پیشرفته MCMC
  • 28. نمونه‌گیری از طریق زنجیره مارکوف با گام‌های متغیر
  • 29. نمونه‌گیری با گام تطبیقی
  • 30. الگوریتم Gibbs
  • 31. همراهی Gibbs با Metropolis-Hastings
  • 32. طراحی تابع پیشنهاد کارآمد
  • 33. بهینه‌سازی پارامترهای تابع پیشنهاد
  • 34. مواجهه با توزیع‌های هدف پیچیده
  • 35. توزیع‌های چندوجهی
  • 36. توزیع‌های با چگالی پایین
  • 37. توزیع‌های با مودهای متعدد
  • 38. روش‌های نمونه‌گیری از توزیع‌های با پشتیبانی محدود
  • 39. تکنیک‌های نمونه‌گیری پیشرفته
  • 40. نمونه‌گیری با اهمیت
  • 41. اهمیت نمونه‌گیری با اهمیت تطبیقی
  • 42. تکنیک‌های کاهش واریانس
  • 43. کاهش واریانس با استفاده از متغیرهای کمکی
  • 44. کاهش واریانس با استفاده از کوواریانس
  • 45. پیاده‌سازی MCMC در نرم‌افزارهای آماری
  • 46. زبان برنامه‌نویسی R و بسته‌های MCMC
  • 47. بسته `rjags`
  • 48. بسته `rstan`
  • 49. بسته `nimble`
  • 50. پیاده‌سازی MCMC در پایتون
  • 51. کتابخانه `PyMC3`
  • 52. کتابخانه `Stan` برای پایتون
  • 53. کتابخانه `emcee`
  • 54. مقایسه بسته‌ها و کتابخانه‌های MCMC
  • 55. ملاحظات محاسباتی در MCMC
  • 56. موازی‌سازی الگوریتم‌های MCMC
  • 57. استفاده از GPU برای تسریع محاسبات MCMC
  • 58. مدیریت حافظه در محاسبات MCMC
  • 59. عیب‌یابی و اشکال‌زدایی الگوریتم‌های MCMC
  • 60. تشخیص خطا در پیاده‌سازی
  • 61. رفع اشکال در توابع پیشنهاد
  • 62. اصلاح معیارهای همگرایی
  • 63. ارزیابی حساسیت مدل به پارامترها
  • 64. تحلیل حساسیت پارامترها
  • 65. شناسایی پارامترهای تاثیرگذار
  • 66. تفسیر نتایج MCMC
  • 67. تفسیر توزیع‌های پسین
  • 68. محاسبه فواصل اطمینان بیزی
  • 69. مقایسه مدل‌ها با استفاده از معیارهای بیزی
  • 70. معیار اطلاعات آکایکه بیزی (BIC)
  • 71. معیار اطلاعات گرین‌فیلد (DIC)
  • 72. اعتبارسنجی متقابل بیزی
  • 73. کاربرد MCMC در علوم داده
  • 74. تحلیل اکتشافی داده‌ها با MCMC
  • 75. مدل‌سازی پیش‌بینی‌کننده با MCMC
  • 76. مدل‌سازی علت و معلولی با MCMC
  • 77. کاربرد MCMC در اقتصادسنجی
  • 78. مدل‌های سری زمانی اقتصادی بیزی
  • 79. مدل‌های انتخاب گسسته بیزی
  • 80. مدل‌های اقتصادسنجی فضایی بیزی
  • 81. کاربرد MCMC در زیست‌شناسی محاسباتی
  • 82. مدل‌سازی فیلوژنتیک بیزی
  • 83. مدل‌سازی تکاملی بیزی
  • 84. مدل‌سازی اپیدمیولوژیک بیزی
  • 85. کاربرد MCMC در علوم اجتماعی
  • 86. مدل‌سازی شبکه‌های اجتماعی بیزی
  • 87. مدل‌سازی رفتار مصرف‌کننده بیزی
  • 88. مدل‌سازی تحرک اجتماعی بیزی
  • 89. موضوعات پیشرفته در MCMC
  • 90. استنتاج بیزی در مدل‌های پنهان مارکوف
  • 91. استنتاج بیزی در مدل‌های گرافیکی
  • 92. موضوعات خاص در الگوریتم‌های MCMC
  • 93. نمونه‌گیری از توزیع‌های با ابعاد بالا
  • 94. نمونه‌گیری از توزیع‌های با ساختار پیچیده
  • 95. تکنیک‌های پیشرفته برای سرعت بخشیدن به MCMC
  • 96. روش‌های مبتنی بر بهینه‌سازی
  • 97. روش‌های مبتنی بر تقریب
  • 98. مرور الگوریتم‌های MCMC در مقالات علمی
  • 99. تحلیل مقالات اخیر در حوزه MCMC
  • 100. روندهای آینده در MCMC

📚 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.