اکسپرس 24
کتاب کاربرد MCMC با Stan

کتاب کاربرد MCMC با Stan

تگ‌ها: Bayesian Inference Bayesian Statistics Effective Sample Size Hamiltonian Monte Carlo HMC MCMC NUTS R-hat Stan آمار بیزی تحلیل پسین زنجیره مارکوف مدل‌سازی بیزی نمونه‌گیری مونت‌کارلو مارکوف همگرایی MCMC

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 کاربرد MCMC با Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مبانی آمار بیزی و نقش MCMC
  • 2. مفهوم زنجیره مارکوف در نمونه‌گیری
  • 3. فضای پارامتر و توزیع پسین
  • 4. چرا از MCMC در استنباط بیزی استفاده می‌کنیم
  • 5. معرفی Stan و معماری آن
  • 6. نصب و راه‌اندازی محیط Stan
  • 7. ساختار یک مدل Stan
  • 8. تعریف داده‌ها در Stan
  • 9. تعریف پارامترها در Stan
  • 10. نوشتن مدل احتمالاتی در Stan
  • 11. تعریف توزیع‌های پیشین
  • 12. تعریف درست‌نمایی و توزیع پسین
  • 13. اجرای نخستین نمونه‌گیری MCMC در Stan
  • 14. تنظیم warmup و تعداد نمونه‌ها
  • 15. مفهوم زنجیره‌های چندگانه در Stan
  • 16. مقداردهی اولیه زنجیره‌ها
  • 17. آشنایی با Hamiltonian Monte Carlo
  • 18. مبانی الگوریتم HMC در Stan
  • 19. نقش گرادیان در HMC
  • 20. معرفی No-U-Turn Sampler
  • 21. تنظیمات NUTS در Stan
  • 22. کنترل step size و adapt delta
  • 23. تنظیم maximum tree depth
  • 24. تشخیص واگرایی‌های MCMC
  • 25. بررسی هشدارهای sampler در Stan
  • 26. تحلیل trace plot زنجیره‌ها
  • 27. بررسی همگرایی زنجیره‌ها
  • 28. شاخص R-hat و تفسیر آن
  • 29. اندازه مؤثر نمونه و ESS
  • 30. خودهمبستگی و اثر آن بر نمونه‌ها
  • 31. تشخیص مشکلات اختلاط زنجیره‌ها
  • 32. تشخیص رفتار نامناسب زنجیره‌ها
  • 33. بررسی توزیع‌های پسین پارامترها
  • 34. تحلیل خلاصه آماری خروجی Stan
  • 35. مقایسه نمونه‌های مستقل و همبسته
  • 36. بررسی burn-in و warmup
  • 37. ارزیابی کفایت تعداد نمونه‌ها
  • 38. افزایش کارایی نمونه‌گیری MCMC
  • 39. انتخاب تعداد مناسب زنجیره‌ها
  • 40. تنظیم مقداردهی اولیه برای همگرایی بهتر
  • 41. مدیریت پارامترهای با مقیاس متفاوت
  • 42. استانداردسازی و بازپارامتری‌سازی مدل
  • 43. مقیاس‌بندی پارامترها برای HMC
  • 44. مقابله با هندسه نامناسب توزیع پسین
  • 45. شناخت و اصلاح Funnel در مدل‌های بیزی
  • 46. بازپارامتری‌سازی centered و non-centered
  • 47. مدیریت همبستگی شدید بین پارامترها
  • 48. تشخیص و اصلاح پارامترهای ضعیفاً شناسایی‌شده
  • 49. انتخاب توزیع‌های پیشین مناسب برای نمونه‌گیری
  • 50. مقابله با پسین‌های دارای دُم سنگین
  • 51. مدیریت محدودیت‌های پارامترها در Stan
  • 52. کار با پارامترهای مثبت و محدود
  • 53. تعریف پارامترهای ماتریسی و برداری
  • 54. نمونه‌گیری از مدل‌های سلسله‌مراتبی
  • 55. اجرای مدل‌های رگرسیون بیزی با Stan
  • 56. اجرای مدل‌های طبقه‌بندی بیزی با Stan
  • 57. اجرای مدل‌های چندسطحی با Stan
  • 58. مدیریت مدل‌های با تعداد پارامتر زیاد
  • 59. استفاده از generated quantities برای استنباط پسین
  • 60. نمونه‌گیری پیش‌بینانه پسین در Stan
  • 61. اعتبارسنجی پیش‌بینی‌های مدل
  • 62. مقایسه مدل‌های بیزی با خروجی Stan
  • 63. تشخیص خطاهای مدل‌سازی از طریق diagnostics
  • 64. تفکیک مشکلات مدل از مشکلات sampler
  • 65. بهینه‌سازی زمان اجرای Stan
  • 66. کاهش هزینه محاسباتی مدل‌های MCMC
  • 67. مدیریت حافظه در اجرای مدل‌های بزرگ
  • 68. اجرای موازی زنجیره‌های MCMC
  • 69. مقایسه تنظیمات مختلف sampler
  • 70. طراحی فرایند تکرارپذیر برای اجرای MCMC
  • 71. ذخیره‌سازی و بازیابی خروجی‌های Stan
  • 72. تحلیل خروجی Stan با ابزارهای آماری
  • 73. تفسیر نهایی نتایج MCMC برای استنباط بیزی

📚 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.