اکسپرس 24
کتاب روش‌های اعتبارسنجی و مقایسه مدل در PyMC

کتاب روش‌های اعتبارسنجی و مقایسه مدل در PyMC

تگ‌ها: arviz Bayes Factor Bayesian Model Selection InferenceData LOO MCMC Model Comparison Model Validation Posterior Predictive Check PSIS-LOO PyMC WAIC آمار بیزی اعتبارسنجی مدل مقایسه مدل

انتخاب پلن

افزودنی‌های اختیاری

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 روش‌های اعتبارسنجی و مقایسه مدل در PyMC

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

موضوع میانی: PyMC3 / PyMC

📋 سرفصل‌های دوره

  • 1. اهمیت اعتبارسنجی مدل در استنباط بیزی
  • 2. تفاوت ارزیابی برازش و قابلیت تعمیم مدل
  • 3. مفهوم Posterior Predictive Check و فلسفه آن
  • 4. پیاده‌سازی PPC ساده در PyMC
  • 5. ترسیم توزیع پیش‌بینی پسین در برابر داده‌های مشاهده‌شده
  • 6. آماره‌های آزمون برای بررسی سیستماتیک PPC
  • 7. تشخیص عدم برازش با استفاده از PPC
  • 8. بررسی باقیمانده‌های بیزی در PyMC
  • 9. اعتبارسنجی همگرایی زنجیره‌ها قبل از مقایسه مدل
  • 10. شاخص R-hat و مؤثر بودن نمونه‌ها
  • 11. تشخیص واگرایی‌ها و تأثیر آن بر اعتبار مدل
  • 12. مفهوم اطلاعات متقابل مورد انتظار و پیچیدگی مدل
  • 13. معیار WAIC و مبانی نظری آن
  • 14. محاسبه WAIC با arviz در اکوسیستم PyMC
  • 15. تفسیر مقادیر WAIC و اختلاف آن بین مدل‌ها
  • 16. معیار LOO و تقریب Leave-One-Out
  • 17. پیاده‌سازی LOO با روش PSIS در arviz
  • 18. تشخیص نقاط مؤثر بالا در LOO و هشدارها
  • 19. مقایسه WAIC و LOO از نظر پایداری عددی
  • 20. رتبه‌بندی مدل‌ها با استفاده از compare در arviz
  • 21. وزن‌دهی مدل‌ها بر اساس عملکرد پیش‌بینی
  • 22. Stacking مدل‌ها به‌جای انتخاب یک مدل
  • 23. مفهوم Bayes Factor و محدودیت‌های عملی آن
  • 24. محاسبه تقریبی شواهد مدل با روش‌های موجود
  • 25. حساسیت Bayes Factor به انتخاب پیشین
  • 26. مقایسه مدل‌های تودرتو و غیرتودرتو
  • 27. آزمون فرض بیزی در چارچوب PyMC
  • 28. استفاده از posterior predictive برای مقایسه مدل‌ها
  • 29. معیارهای مبتنی بر تابع زیان برای انتخاب مدل
  • 30. ارزیابی کالیبراسیون پیش‌بینی‌های مدل
  • 31. نمودار Calibration و تفسیر آن
  • 32. اعتبارسنجی متقابل بیزی و چالش‌های محاسباتی
  • 33. تقریب‌های سریع اعتبارسنجی متقابل در داده‌های بزرگ
  • 34. بررسی تأثیر پیشین‌ها بر نتیجه مقایسه مدل
  • 35. تحلیل حساسیت پیشین با مقایسه مدل‌های جایگزین
  • 36. مدل‌های سلسله‌مراتبی و ملاحظات خاص مقایسه
  • 37. تشخیص بیش‌برازش در مدل‌های پیچیده بیزی
  • 38. استفاده از Information Criteria برای انتخاب پیچیدگی
  • 39. ترسیم و تفسیر نمودارهای مقایسه مدل در arviz
  • 40. گزارش‌دهی نتایج مقایسه مدل به‌صورت علمی
  • 41. ترکیب نتایج چند معیار برای تصمیم نهایی
  • 42. مدیریت مدل‌های با تعداد پارامتر مؤثر متفاوت
  • 43. مقایسه مدل‌های با likelihoodهای متفاوت
  • 44. اعتبارسنجی مدل‌های سری زمانی در PyMC
  • 45. اعتبارسنجی مدل‌های فضایی و همبستگی‌دار
  • 46. تشخیص و مدیریت نقاط پرت در فرآیند اعتبارسنجی
  • 47. بازآزمایی مدل پس از اصلاح بر اساس PPC
  • 48. پیاده‌سازی خط لوله خودکار اعتبارسنجی و مقایسه
  • 49. ذخیره و بازیابی نتایج InferenceData برای مقایسه بعدی
  • 50. مطالعه موردی مقایسه مدل‌های رگرسیون خطی و غیرخطی
  • 51. مطالعه موردی انتخاب مدل در داده‌های سلسله‌مراتبی
  • 52. بهترین شیوه‌های مستندسازی فرآیند اعتبارسنجی مدل
  • 53. اشتباهات رایج در تفسیر WAIC و LOO
  • 54. تصمیم‌گیری عملی بین مدل‌های نزدیک از نظر معیارها

📚 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.