اکسپرس 24
کتاب MCMC برای استنتاج در مدل‌های یادگیری ماشین بیزی

کتاب MCMC برای استنتاج در مدل‌های یادگیری ماشین بیزی

تگ‌ها: PyMC Stan استنتاج بیزی برنامه‌نویسی احتمالاتی تشخیص همگرایی روش‌های MCMC شبکه‌های عصبی بیزی گائوسیان-فرآیند متروپولیس-هاستینگز نمونه‌گیری گیب‌س هامیلتون‌مونت‌کارلو ویکیولاسیونی

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 MCMC برای استنتاج در مدل‌های یادگیری ماشین بیزی

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

موضوع میانی: کاربرد در مدل‌سازی آماری و یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای به استنتاج بیزی و مدل‌سازی احتمالاتی
  • 2. مبانی احتمالات و متغیرهای تصادفی
  • 3. چینگ‌های مارکوف: نظریه و ویژگی‌ها
  • 4. توزیع‌های ایستا و میکسینگ
  • 5. الگوریتم متروپولیس-هاستینگز: مبانی
  • 6. طراحی توزیع‌های پیشنهادی
  • 7. نمونه‌گیری پذیرش-رد
  • 8. نمونه‌گیری گیب‌س برای توزیع‌های چندمتغیره
  • 9. برآوردهای کامل شرطی و به‌روزرسانی
  • 10. پیاده‌سازی MCMC با پایتون و نک‌نیپ
  • 11. اشکال‌زدایی و آزمایش سامپلرها
  • 12. تشخیص همگرایی: بررسی بصری
  • 13. همبستگی خودکار و اندازه نمونه مؤثر
  • 14. آزمایش گلمن-روبین (R-hat) برای چند زنجیره
  • 15. خطای استاندارد مونت‌کارلو برای اندازه نمونه مؤثر
  • 16. همگرایی هامیلتون‌مونت‌کارلو (HMC)
  • 17. انرژی بالقوه و محاسبه گرادیان
  • 18. آنیلینگ شبیه‌سازی‌شده و MCMC ملایم
  • 19. الگوریتم No-U-Turn Sampler (NUTS)
  • 20. خودکار‌سازی تمایز برای HMC
  • 21. شبکه‌های عصبی بیزی با HMC
  • 22. مقیاس‌بندی MCMC برای داده‌های بزرگ
  • 23. دماپسیونگری موازی و تبادل تکرارها
  • 24. استنتاج بدون احتمال با روش ABC
  • 25. مقایسه ویکیولاسیونی و MCMC: مزایا و معایب
  • 26. روش‌های ترکیبی ویکیولاسیونی-MCMC
  • 27. آماره‌گیری بیزی با MCMC
  • 28. مدل‌های بیزی سلسله‌مراتبی: ساختار و نمونه‌گیری
  • 29. مدل‌های فرایندی دیریکلت
  • 30. مدل‌های موضوعی با نمونه‌گیری گیب‌س
  • 31. شبکه‌های بیزی و استنتاج علّی
  • 32. رگرسیون گائوسی-فرآیند با MCMC
  • 33. پیش‌انتشارهای شرینک‌کننده و یادگیری پراکنده
  • 34. ایمپیری-بیز و برآوردهای حداکثر احتمال
  • 35. بررسی مدل با بررسی پس‌ازرسیدگی
  • 36. معیارهای اطلاعاتی: WAIC و LOO-CV
  • 37. اعتبارسنجی متقاطع برای مدل‌های بیزی
  • 38. تکنیک‌های محاسباتی: برداری‌سازی و JIT
  • 39. شتاب‌دهنده‌های GPU برای سامپلرهای MCMC
  • 40. MCMC توزیع‌شده با اسپارک و داسک
  • 41. ابزارهای نرم‌افزاری: Stan، PyMC، TensorFlow Probability
  • 42. نوشتن مدل‌های کارآمد با Stan
  • 43. نمونه‌های پس‌ازرسیدگی و خلاصه‌سازی
  • 44. فاصله‌های باورنمد و مناطق با بالاترین پس‌ازرسیدگی
  • 45. تصمیم‌گیری بر اساس نظریه بیزی
  • 46. بهینه‌سازی بیزی برای تنظیم پارامترها
  • 47. سامپلینگ مونت‌کارلو ذره‌ای و فیلترهای ذره‌ای
  • 48. نمونه‌گیری گیب‌س ذره‌ای
  • 49. الگوریتم‌های MCMC سازگار
  • 50. ارزیابی همگرایی در ابعاد بالا
  • 51. الگوریتم Slice Sampler
  • 52. الگوریتم متروپولیس-آداپتِد لانگون (MALA)
  • 53. همگرایی هامیلتون‌مونت‌کارلو روی مانیفولد‌های ریماني
  • 54. غیرپارامتری بیزی: گائوسیان-فرآیند و فرایندی دیریکت
  • 55. برآورد کوواریانس معکوس پراکنده با MCMC
  • 56. مدل‌سازی سری‌های زمانی با مدل‌های فضای حالت بیزی
  • 57. مدل‌های مارکوف پنهان و نمونه‌گیری گیب‌س جلو-عقب
  • 58. آنالیز بقاء بیزی
  • 59. MCMC برای آمار فضایی
  • 60. ادغام MCMC با بهینه‌سازی برای برآورد MAP
  • 61. مدل‌سازی داده‌های از دست رفته با افزودن داده‌ها
  • 62. آمار بیزی مقاوم
  • 63. کوشتار مدل‌سازی با MCMC
  • 64. مدل‌های ژنراتیو عمیق: VampPrior و غیره
  • 65. تفسیر نمونه‌های MCMC برای تصمیم‌گیری
  • 66. نکات عملی برای گزارش نتایج MCMC
  • 67. پژوهش تکرارپذیر و نوت‌بوک‌های Jupyter
  • 68. سنجش عملکرد سامپلرهای MCMC
  • 69. جهت‌گیری‌های آینده: هوش مصنوعی بیزی مقیاس‌پذیر
  • 70. جمع‌بندی دوره و منابع بیشتر

📚 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.