کتاب تنظیم پارامترهای Stan for Optimal Results

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 تنظیم پارامترهای Stan for Optimal Results

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. بررسی اجمالی روش‌های نمونه‌گیری مونت‌کارلو مارکوف (MCMC) در بیزی
  • 2. آشنایی با محیط استن (CmdStan، RStan، CmdstanR)
  • 3. مبانی بلوک مدل استن: داده‌ها، پارامترها، مقادیر تولیدشده
  • 4. تبدیل پارامترهای محدود به فضای بدون محدودیت در استن
  • 5. انتخاب و پارامترسازی پیش‌فرض‌ها در استن
  • 6. شبیه‌سازی پیش‌بینی اولیه و بررسی‌های مربوطه
  • 7. نمونه‌برداری پس‌ازمدل و روش‌های مرتبط
  • 8. گرم‌آپ و تطبیق خودکار در استن
  • 9. روش‌های پیش‌فرض برای اندازه گام و تطبیق
  • 10. تنظیم adapt_delta برای دستیابی به نرخ پذیرش هدف
  • 11. تنظیم اندازه گام برای بهینه‌سازی پذیرش
  • 12. تنظیم متریک و ماتریس جرم برای بهبود کارایی
  • 13. تنظیم max_treedepth برای کنترل انحراف‌ها
  • 14. تشخیص انحراف‌ها و راه‌حل‌های عملی
  • 15. تفسیر R-hat برای ارزیابی همگرایی
  • 16. اندازه نمونه مؤثر و تشخیص خودهمبستگی
  • 17. استفاده از چند زنجیره و استراتژی‌های مقدار اولیه
  • 18. پارامترسازی غیرمتمرکز برای مدل‌های سلسله‌مراتبی
  • 19. انتخاب پارامترسازی متمرکز در مقابل غیرمتمرکز
  • 20. پیاده‌سازی مدل‌های سلسله‌مراتبی با اثرات سطح گروه
  • 21. واگرایی جزئی و تأثیر آن بر برآوردها
  • 22. مقایسه مدل با استفاده از صحت باقیمانده‌های ترک‌شده (LOO)
  • 23. شاخص اطلاعات گسترده کاربردی (WAIC)
  • 24. بررسی‌های پیش‌بینی پس‌ازمدل برای اعتبارسنجی مدل
  • 25. تحلیل حساسیت به پیش‌فرض و استفاده از پیش‌فرض‌های مقاوم
  • 26. پیاده‌سازی مدل‌های میکسچر در استن
  • 27. مدل‌سازی سری‌های زمانی (مانند AR، مدل‌های حالت)
  • 28. مدل‌سازی مکانی با استفاده از فرآیندهای گوسی
  • 29. میانگین‌گیری مدل‌های بیزی با استفاده از استن
  • 30. بهینه‌سازی MAP با استفاده از روش‌های بهینه‌سازی استن
  • 31. استنتاج واریانسین با استفاده از ADVI در استن
  • 32. مدل‌سازی مجموعه‌های داده بزرگ با استفاده از زیرنمونه‌گیری
  • 33. استفاده از بلوک generated quantities برای شبیه‌سازی پیش‌بینی پس‌ازمدل
  • 34. پیاده‌سازی توزیع‌های سفارشی در استن
  • 35. مدل‌سازی داده‌های ناقص با استفاده از مدل‌سازی مشترک
  • 36. پیاده‌سازی مدل‌های خطای اندازه‌گیری در استن
  • 37. پیاده‌سازی مدل‌های Beta-Binomial برای داده‌های نسبت
  • 38. پیاده‌سازی مدل‌های Dirichlet-Multinomial برای داده‌های دسته‌بندی‌شده
  • 39. مدل‌سازی زنده‌مانی با استفاده از استن
  • 40. مدل‌های مشترک برای داده‌های طولی و زنده‌مانی
  • 41. کاربرد استن در استنتاج علّی با استفاده از نتایج بالقوه
  • 42. تشخیص مدل‌های با پارامترهای با بعد بالا
  • 43. تنظیمات برای پس‌ازمدل‌های چندشیستی
  • 44. استفاده از بذرهای تصادفی برای بازتولیدپذیری
  • 45. همزمان‌سازی چند زنجیره برای کارایی بهتر
  • 46. نظارت بر منابع محاسباتی و زمان‌بندی
  • 47. خروجی‌گیری نمونه‌ها برای تحلیل بیشتر
  • 48. نمونه‌برداری پس‌ازمدل با استفاده از ggplot2
  • 49. فرایند کاری: از داده‌ها تا مدل استن تا استنتاج
  • 50. اشکال‌زدایی خطاهای رایج استن ( نحوی، تایپی، زمان اجرا)
  • 51. نوشتن کد استن کارآمد برای سرعت بیشتر
  • 52. پروفایل‌سازی برنامه‌های استن برای شناسایی گلوگاه‌ها
  • 53. استفاده مستقیم از CmdStan از خط فرمان
  • 54. ادغام استن با پایتون (PyStan، CmdStanPy)
  • 55. ادغام استن در 파이پلاین‌های تولید
  • 56. مدل‌سازی نسخه‌ها و مستندسازی مدل‌ها با استفاده از استن
  • 57. انتخاب خودکار مدل با استفاده از بسته loo
  • 58. شبیه‌سازی داده‌ها برای ارزیابی روش
  • 59. اعتبارسنجی متقاطع با K-fold و LOO
  • 60. پیاده‌سازی رگرسیون مقاوم در استن
  • 61. پیاده‌سازی مدل‌های پرشماری و مانع‌زدایی
  • 62. تحلیل تصمیم‌گیری با نظریه تصمیم‌گیری بیزی
  • 63. کاربرد استن در مدل‌های بازی‌های تکاملی
  • 64. تنظیم بهینه‌سازی ابرپارامترها با استفاده از اعتبارسنجی متقاطع تو در تو
  • 65. نکات عملی برای مقیاس‌بندی مدل‌های بزرگ
  • 66. آینده: شتاب‌دهنده‌های گرافیکی در استن
  • 67. طرح‌های تطبیق سفارشی پیشرفته در استن
  • 68. ساخت یک بسته استن برای قابل استفاده مجدد بودن

📚 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.