آموزش آمار بیزی محاسباتی برای علوم داده - آخرین آپدیت

دانلود Computational Bayesian Statistics for Data Science

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره آموزشی، یادگیرندگان را با دانش نظری و مهارت‌های محاسباتی لازم برای پیاده‌سازی روش‌های مدرن آمار بیزی در محیط‌های واقعی آشنا می‌کند. با تکمیل این دوره، کاربران قادر خواهند بود مدل‌های بیزی را ساخته و برازش کنند، الگوریتم‌های محاسباتی را برای استنتاج پسین به کار گیرند و عدم قطعیت را در مسائل پیچیده تحلیل داده‌ها تفسیر کنند. موضوعات مورد بحث شامل تخمین بیشینه پسین (MAP)، نمونه‌برداری رد (Rejection Sampling) و روش‌های زنجیره مارکوف مونت کارلو (MCMC) مانند نمونه‌بردار گیبس و الگوریتم‌های متروپلیس-هستینگز است. همچنین یادگیرندگان تجربه عملی کار با Stan، یکی از پلتفرم‌های پیشرو در مدل‌سازی بیزی و برنامه‌نویسی احتمالی را کسب خواهند کرد. این دوره برای افرادی طراحی شده است که به دنبال تقویت توانمندی‌های خود در زمینه‌های آمار، یادگیری ماشین و علوم داده در محیط‌های صنعتی یا پژوهشی هستند. روش‌های بیزی به طور فزاینده‌ای در حوزه‌هایی مانند هوش مصنوعی، پیش‌بینی، آزمایش، تحلیل ریسک و تصمیم‌گیری در شرایط عدم قطعیت استفاده می‌شوند. برخلاف بسیاری از دوره‌های کاربردی که عمدتاً بر ابزارهای نرم‌افزاری تمرکز دارند، این دوره بر هر دو جنبه مبانی ریاضی و شهود محاسباتی زیربنای جریان‌های کاری مدرن بیزی تأکید می‌کند و به یادگیرندگان کمک می‌کند تا درک عمیق‌تری از نحوه و چرایی عملکرد این روش‌ها به دست آورند. این دوره می‌تواند به عنوان بخشی از مدرک کارشناسی ارشد علوم داده (MS-DS) دانشگاه کلرادو بولدر که در پلتفرم کورسرا ارائه می‌شود، برای کسب اعتبار تحصیلی گذرانده شود. MS-DS یک مدرک بین‌رشته‌ای است که اساتید دپارتمان‌های ریاضی کاربردی، علوم کامپیوتر، علوم اطلاعات و سایر بخش‌های دانشگاه کلرادو بولدر را گرد هم می‌آورد. با پذیرش مبتنی بر عملکرد و بدون نیاز به فرآیند درخواست پیچیده، MS-DS برای افرادی با طیف گسترده‌ای از تحصیلات مقطع کارشناسی و/یا تجربه حرفه‌ای در علوم کامپیوتر، علوم اطلاعات، ریاضیات و آمار ایده‌آل است.

سرفصل ها و درس ها

مقدمه‌ای بر آمار بیزی محاسباتی Introduction to Computational Bayesian Statistics

  • معرفی دوره Course Introduction

  • تخمین MAP در بافتار عملی MAP Estimation in Context

  • الگوریتم صعود گرادیان The Gradient Ascent Algorithm

  • پیاده‌سازی الگوریتم صعود گرادیان در R: بخش اول Implementation of the Gradient Ascent Algorithm in R: Part 1

  • پیاده‌سازی الگوریتم صعود گرادیان در R: بخش دوم Implementation of the Gradient Ascent Algorithm in R: Part 2

  • پیاده‌سازی الگوریتم صعود گرادیان در R: بخش سوم Implementation of the Gradient Ascent Algorithm in R: Part 3

  • انتگرال‌گیری عددی و تخمین مونت کارلو Numeric Integration and Monte Carlo Estimation

  • نکات محاسباتی Computational Tips

نمونه‌برداری رد Rejection Sampling

  • رویه نمونه‌برداری رد Rejection Sampling Procedure

  • اثبات نمونه‌برداری رد Proof of Rejection Sampling

  • ضرورت مدل‌های سلسله‌مراتبی Motivating Hierarchical Models

  • مدل‌های سلسله‌مراتبی: رویکرد بیزی Hierarchical Models: A Bayesian Approach

  • پارامتریزه کردن مجدد مدل سلسله‌مراتبی Reparameterizing the Hierarchical Model

  • مثال نمونه‌برداری رد در R: بخش اول Rejection Sampling Example in R: Part 1

  • مثال نمونه‌برداری رد در R: بخش دوم Rejection Sampling Example in R: Part 2

نمونه‌برداری گیبس Gibbs Sampling

  • نمونه‌برداری گیبس Gibbs Sampling

  • نمونه‌برداری گیبس در R Gibbs Sampling in R

نمونه‌برداری متروپلیس-هستینگز Metropolis Hastings Sampling

  • الگوریتم نمونه‌برداری متروپلیس Metropolis Sampling Algorithm

  • الگوریتم نمونه‌برداری متروپلیس: مثالی در R Metropolis Sampling Algorithm: An Example in R

  • الگوریتم نمونه‌برداری متروپلیس: مثالی از یک مدل غیرقابل شناسایی در R Metropolis Sampling Algorithm: An Example of a Non-identifiable Model in R

  • تعمیم الگوریتم متروپلیس به الگوریتم متروپلیس-هستینگز Generalization of Metropolis Algorithm to the Metropolis Hastings Algorithm

  • چرا الگوریتم متروپلیس-هستینگز کار می‌کند Why the Metropolis Hastings Algorithm Works

  • همگرایی الگوریتم متروپلیس-هستینگز Convergence of the Metropolis Hastings Algorithm

  • الگوریتم متروپلیس-هستینگز تطبیقی Adaptive Metropolis Hastings Algorithm

  • الگوریتم متروپلیس-هستینگز تطبیقی: مثالی در R Adaptive Metropolis Hastings Algorithm: An Example in R

  • محدودیت‌های الگوریتم‌های متروپلیس و متروپلیس-هستینگز Limitations of the Metropolis and Metropolis Hastings Algorithms

نرم‌افزار STAN STAN

  • گسترش متروپلیس-هستینگز به STAN Extending Metropolis Hastings to STAN

  • نرم‌افزار STAN: مثالی از توزیع دوجمله‌ای در R STAN: A Binomial Example in R

  • نرم‌افزار STAN: مثالی از رگرسیون خطی ساده در R STAN: A Simple Linear Regression Example in R

  • نرم‌افزار STAN: مثالی با چندین پارامتر در R STAN: A Multiparameter Example in R

نمایش نظرات

آموزش آمار بیزی محاسباتی برای علوم داده
جزییات دوره
23h 18m
30
(آخرین آپدیت)
74
- از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar