اکسپرس 24
کتاب HMC و NUTS: بهینه‌سازی نمونه‌گیری بیزی با Stan

کتاب HMC و NUTS: بهینه‌سازی نمونه‌گیری بیزی با Stan

تگ‌ها: HMC MCMC NUTS Stan آمار استنباطی آمار بیزی بهینه‌سازی نمونه‌گیری تحلیل داده‌ها مدل‌سازی آماری نمونه‌گیری بیزی

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 HMC و NUTS: بهینه‌سازی نمونه‌گیری بیزی با 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 مدل‌سازی احتمالی بیزی
  • 2. مفاهیم پایه آمار بیزی
  • 3. توزیع‌های پیشین، درست‌نمایی و پسین
  • 4. قضیه بیز و کاربردهای آن
  • 5. مقدمه‌ای بر زنجیره مارکوف مونت‌کارلو (MCMC)
  • 6. روش‌های نمونه‌گیری MCMC: Metropolis-Hastings
  • 7. روش‌های نمونه‌گیری MCMC: Gibbs Sampling
  • 8. تشخیص همگرایی MCMC
  • 9. ارزیابی عملکرد MCMC
  • 10. مقدمه‌ای بر زبان مدل‌سازی احتمالی Stan
  • 11. نحو و ساختار زبان Stan
  • 12. تعریف مدل در Stan: توابع و توزیع‌ها
  • 13. تعریف مدل در Stan: پارامترها و داده‌ها
  • 14. محاسبه پسین در Stan
  • 15. تنظیم پارامترهای نمونه‌گیری Stan
  • 16. بهینه‌سازی مدل در Stan
  • 17. مقدمه‌ای بر HMC (زنجیره مونت‌کارلو همیلتونی)
  • 18. مبانی فیزیک کلاسیک و HMC
  • 19. گرادیان و انرژی پتانسیل در HMC
  • 20. الگوریتم HMC: مراحل اساسی
  • 21. تنظیم پارامترهای HMC: گام، طول مسیر و غیره
  • 22. HMC در برابر MCMC سنتی: مزایا و معایب
  • 23. مقدمه‌ای بر NUTS (زنجیره مونت‌کارلو همیلتونی خود-تنظیم)
  • 24. NUTS: خودکارسازی تنظیم پارامترها
  • 25. NUTS: درخت دو دویی و تقسیم‌بندی
  • 26. NUTS: محاسبات موازی
  • 27. مقایسه HMC و NUTS: کارایی و دقت
  • 28. مدل‌سازی رگرسیون خطی با Stan
  • 29. مدل‌سازی رگرسیون لجستیک با Stan
  • 30. مدل‌سازی ANOVA با Stan
  • 31. مدل‌سازی مدل‌های خطی تعمیم‌یافته (GLM) با Stan
  • 32. مدل‌سازی مدل‌های سلسله مراتبی با Stan
  • 33. مدل‌سازی مدل‌های مخلوط گاوسی با Stan
  • 34. مدل‌سازی مدل‌های پنهان مارکوف با Stan
  • 35. مدل‌سازی سری‌های زمانی با Stan
  • 36. مدل‌سازی بقا با Stan
  • 37. مدل‌سازی داده‌های از دست رفته با Stan
  • 38. ارزیابی مدل با استفاده از اطلاعات پسین
  • 39. اعتبارسنجی متقابل (Cross-validation) در Stan
  • 40. انتخاب مدل با استفاده از معیار اطلاعات بیزی (BIC)
  • 41. تحلیل حساسیت در مدل‌سازی بیزی
  • 42. مقدمه‌ای بر پیش‌بینی با مدل‌های بیزی
  • 43. پیش‌بینی توزیع پسین
  • 44. مقدمه‌ای بر مدل‌های بیزی غیرپارامتری
  • 45. فرآیندهای گاوسی در Stan
  • 46. مدل‌سازی تطبیقی با Stan
  • 47. خطاهای رایج در مدل‌سازی با Stan و راه حل‌ها
  • 48. بهبود کارایی محاسباتی Stan
  • 49. مقدمه‌ای بر کتابخانه‌های Stan
  • 50. ادغام Stan با زبان‌های برنامه‌نویسی دیگر (R, Python)
  • 51. نکات پیشرفته در استفاده از Stan
  • 52. مستندسازی و اشتراک‌گذاری مدل‌های Stan
  • 53. کاربردهای عملی HMC و NUTS در علوم داده
  • 54. کاربردهای عملی HMC و NUTS در مهندسی
  • 55. کاربردهای عملی HMC و NUTS در علوم اجتماعی
  • 56. مطالعه موردی: مدل‌سازی یک مسئله واقعی با Stan
  • 57. حل مسئله: بهینه‌سازی یک مدل Stan
  • 58. مفاهیم پیشرفته در MCMC و HMC/NUTS
  • 59. تکنیک‌های کاهش همبستگی در MCMC
  • 60. بهینه‌سازی توابع هدف پیچیده
  • 61. تحلیل حساسیت و بررسی مدل با Stan
  • 62. تفسیر نتایج مدل‌های 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.