اکسپرس 24
کتاب تکنیک‌های اعتبارسنجی مدل‌های بیزی در Stan

کتاب تکنیک‌های اعتبارسنجی مدل‌های بیزی در Stan

تگ‌ها: Bayesian modeling bridge sampling convergence diagnostics divergence E-BFMI LOO-CV MCMC model validation posterior predictive checks prior predictive checks reparameterization SBC sensitivity analysis Stan WAIC

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 تکنیک‌های اعتبارسنجی مدل‌های بیزی در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مدل‌سازی بیزی و اهمیت اعتبارسنجی
  • 2. مفاهیم پایه نمونه‌گیری مونت‌کارلو مارکوف (MCMC)
  • 3. معرفی زبان برنامه‌نویسی Stan و ساختار کد
  • 4. نوشتن مدل بیزی ساده در Stan
  • 5. کامپایل و اجرای مدل در Stan (CmdStan, RStan, PyStan)
  • 6. تنظیمات اولیه Sampling: warm‑up، iterations، chains
  • 7. تشخصی diagnosing convergence: Rhat و Effective Sample Size
  • 8. رسم نمودارهای پیروی (trace plots) و تفسير آن‌ها
  • 9. بررسی خود‑همبستگی (autocorrelation) و اثر آن بر کارایی
  • 10. تشخیص انتقال‌های répand (divergent transitions) و دلایل آن‌ها
  • 11. تنظیم پارامتر adapt delta برای کاهش divergence
  • 12. تنظیم max treedepth و تأثیر آن بر فضای sampled
  • 13. استفاده از reparameterization غیرمرکزی (non‑centered) برای بهبود sampling
  • 14. تشخیص و رفع مشکل label switching در مدل‌های mixtur
  • 15. ارزیابی انرژی Bayesian fraction of missing information (E‑BFMI)
  • 16. تست‌های Heidelberger و Welch برای stationary
  • 17. استفاده از پکیج posterior برای تحلیل خروجی Stan
  • 18. رسم نمودارهای צפיפות posterior وintervals credibili
  • 19. محاسبه intervals of credibility و تفسير آن
  • 20. prior predictive simulation: تولید داده‌های پیش‌از‑مشاهده
  • 21. بررسی prior predictive checks با نمودارهای توزیع
  • 22. posterior predictive checks: تولید داده‌های تکراری از posterior
  • 23. استفاده از test statistics در posterior predictive checks
  • 24. رسم نمودارهای PPC (ppc_dens_overlay, ppc_hist، و غیره)
  • 25. محاسبه Bayesian p‑value و尾部‑احتمال
  • 26. ارزیابی calibration با نمودارهای rank histogram
  • 27. شبیه‌سازی مبتنی بر سامپلینگ (SBC) برای اعتبارسنجی calibration
  • 28. استفاده از leave-one‑out cross‑validation (LOO‑CV) در Stan
  • 29. محاسبه WAIC و تفسیر آن
  • 30. stacking of predictive distributions و وزن‌دهی مدل‌ها
  • 31. bridge sampling برای محاسبه marginal likelihood
  • 32. Bayes factor عبر bridge sampling و sensibilit
  • 33. حساسیت به prior: prior sensitivity analysis
  • 34. انجام prior predictive checks تحت priorهای مختلف
  • 35. ارزیابی robustness با perturbing data (data‑perturbation analysis)
  • 36. تشخیص outliers و influential observations با留一外方法
  • 37. رسم نمودارهای invloed‌سنج (influence plots) برای پارامترها
  • 38. ارزیابی identifiability با simulation‑based calibration
  • 39. تشخیص multimodality و استفاده از clustered chains
  • 40. استفاده از تکنیک‌های parallel chains و diagnóstico intégré
  • 41. بررسی رفتار step size و اثر بر کارایی
  • 42. تنظیم stepsize دستی و تاثیر بر divergences
  • 43. استفاده از metric diagnóstico و masa matrix
  • 44. ارزیابی کارایی sampling با effective sample size per second
  • 45. بهینه‌سازی 모델 با کاهش تعداد پارامترهای غیرضروری
  • 46. استفاده از vectorization و از حلقات برای سرعت sampling
  • 47. بهینه‌سازی محاسبه log-likelihood برای داده‌های بزرگ
  • 48. استفاده از reduce_sum و map_rect برای parallelism در Stan
  • 49. ارزیابی خطای عددی (numerical error) در محاسبه log_prob
  • 50. بررسی تحت‑التفاضل (underflow/overflow) و مقیاس‑گذاری
  • 51. استفاده از توابع ویژه Stan (مثل log_sum_exp) برای پایداری
  • 52. اعتبارسنجی مدل‌های hierarchical (multi‑level) در Stan
  • 53. posterior predictive checks برای مدل‌های hierarchical
  • 54. ارزیابی گروه-level effects و shrinkage
  • 55. بررسی convergences در پارامترهای سطح-group
  • 56. ارزیابی prior predictive checks برایハイپرپارامترها
  • 57. استفاده از prior predictive simulation برای تعیین priorهای مناسب
  • 58. ارزیابی مدل‌های سری زمانی در Stan و posterior predictive checks
  • 59. ارزیابی مدل‌هایفضایی با Gaussian processes در Stan
  • 60. posterior predictive checks برای مدل‌های GP و ارزیابی kernel
  • 61. ارزیابی مدل‌های klasyfikاسیون با posterior predictive checks و ROC curves
  • 62. استفاده از log-likelihood posterior predictive برای محاسبه skorings (log score، Brier score و غیره)
  • 63. ارزیابی calibration با نمودارهای calibration curve (reliability diagram)
  • 64. استفاده از بایسیان-bootstrap برای عدم‑تأییدپذیری پارامترها
  • 65. ارزیابی Sensitivity با prior predictive reweighting (importance sampling)
  • 66. استفاده از تکنیک‌های subsampling برای داده‌های بسیار بزرگ (stochastic gradient MCMC – معرفی کوتاه)
  • 67. ارزیابی مدل‌ها با posterior predictive p-values بر اساس test statistics دلخواه
  • 68. استفاده از پکیج bayesplot برای 시각ización کامل
  • 69. ساخت گزارش‌های اعتبارسنجی خودکار با رپورت-generating (مثلاً knitr + RStan)
  • 70. Integrating validation workflow در CI برای پژوهش قابل تکرار
  • 71. بهترین روش‌ها برای documenting model assumptions و نتایج اعتبارسنجی
  • 72. چگونگی ارائه نتایج اعتبارسنجی در مقالات علمی (tables, figures)
  • 73. استفاده از شالینگ (sharing) مدل‌ها و کدهای validation در گیت‌هاب
  • 74. مراجع و منابع برای یادگیری بیشتر تکنیک‌های اعتبارسنجی در Stan
  • 75. تمرین عملی: ساخت و اعتبارسنجی مدل خطی ساده Bayesian
  • 76. تمرین عملی: اعتبارسنجی مدل لجستیک Bayesian
  • 77. تمرین عملی: اعتبارسنجی مدل Poisson hierarchical
  • 78. تمرین عملی: اعتبارسنجی مدلGP برای داده‌های فضایی
  • 79. تمرین عملی: اعتبارسنجی مدل سری زمانی با AR(1) در Stan
  • 80. تمرین عملی: prior predictive و posterior predictive checks در مدل mixtur
  • 81. تمرین عملی: LOO‑CV و WAIC برای مدل‌های رقابت
  • 82. تمرین عملی: bridge sampling برای محاسبه Bayes factor
  • 83. تمرین عملی: SBC برای بررسی calibration
  • 84. تمرین عملی: prior sensitivity analysis تحت priorهای مختلف
  • 85. تمرین عملی: تشخیص divergent transitions و رفع آن‌ها
  • 86. تمرین عملی: non‑centered reparameterization برای مدل‌های hierarchical
  • 87. تمرین عملی: استفاده از map_rect برای parallel chains در مدل بزرگ
  • 88. تمرین عملی: ارزیابی E‑BFMI و تنظیم adapt delta
  • 89. تمرین عملی: posterior predictive checks با test statistics دلخواه (میانگین، حداکثر، واریانس)
  • 90. تمرین عملی: رسم نمودارهای影響 و شناسایی outliers
  • 91. تمرین عملی: ساخت گزارش اعتبارسنجی کامل با Rmarkdown
  • 92. تمرین عملی: ادغام validation در pipeline داده‑علمی (data‑science workflow)
  • 93. مجموعه‌بندی مفاهیم کلیدی اعتبارسنجی مدل‌های بیزی در Stan
  • 94. نکات رایج خطا در اعتبارسنجی و چگونه اجتناب کنیم
  • 95. منابع برای یادگیری پیشرفته (کتاب‌ها، مقالات، دوره‌ها)
  • 96. FAQ: پرسش‌های متداول در اعتبارسنجی مدل‌های بیزی در Stan
  • 97. نظرات نهایی و مسیرهای پیش‌روی برای پژوهشگر

📚 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.