Дэвидсон-Пайлон Кэмерон. Вероятностное программирование на Python. Байесовский вывод и алгоритмы
Скидка 5850Р
Книга "Дэвидсон-Пайлон Кэмерон. Вероятностное программирование на Python. Байесовский вывод и алгоритмы" является вводным руководством по применению вероятностного программирования на языке Python. Авторы демонстрируют, как использовать вероятностные методы для моделирования неопределенности, принятия решений и байесовского вывода.
Книга начинается с основных концепций вероятностного программирования, включая вероятностные модели, случайные переменные и байесовский вывод. Авторы также представляют библиотеку PyMC3, которая предоставляет удобный инструментарий для выполнения байесовского вывода на языке Python.
После введения основных понятий авторы переходят к применению вероятностного программирования на практике. Они исследуют различные модели, включая линейную регрессию, классификацию и прогнозирование временных рядов. Каждая модель подробно разбирается, приводится код на Python и демонстрируется шаг за шагом процесс построения модели, обучения и использования результатов.
Книга также рассматривает сложные темы вероятностного программирования, такие как графические модели, сэмплирование Монте-Карло и приближенные методы вывода. Авторы объясняют эти концепции доступным языком и предоставляют конкретные примеры, чтобы помочь читателю лучше понять их применение.
В заключение, "Дэвидсон-Пайлон Кэмерон. Вероятностное программирование на Python. Байесовский вывод и алгоритмы" представляет собой полное руководство для разработчиков и исследователей, желающих изучить и применить вероятностное программирование на языке Python. Она позволяет читателям овладеть основами вероятностного моделирования, а также развивать сложные модели и алгоритмы для решения реальных проблем.
Книга начинается с основных концепций вероятностного программирования, включая вероятностные модели, случайные переменные и байесовский вывод. Авторы также представляют библиотеку PyMC3, которая предоставляет удобный инструментарий для выполнения байесовского вывода на языке Python.
После введения основных понятий авторы переходят к применению вероятностного программирования на практике. Они исследуют различные модели, включая линейную регрессию, классификацию и прогнозирование временных рядов. Каждая модель подробно разбирается, приводится код на Python и демонстрируется шаг за шагом процесс построения модели, обучения и использования результатов.
Книга также рассматривает сложные темы вероятностного программирования, такие как графические модели, сэмплирование Монте-Карло и приближенные методы вывода. Авторы объясняют эти концепции доступным языком и предоставляют конкретные примеры, чтобы помочь читателю лучше понять их применение.
В заключение, "Дэвидсон-Пайлон Кэмерон. Вероятностное программирование на Python. Байесовский вывод и алгоритмы" представляет собой полное руководство для разработчиков и исследователей, желающих изучить и применить вероятностное программирование на языке Python. Она позволяет читателям овладеть основами вероятностного моделирования, а также развивать сложные модели и алгоритмы для решения реальных проблем.