[체험판] Bayesian Analysis with Python 상세페이지
[체험판] Bayesian Analysis with Python
Unleash the power and flexibility of the Bayesian framework
- 관심 0
출간 정보
- 2016.11.25 전자책, 종이책 동시 출간
듣기 기능
TTS(듣기) 미지원
파일 정보
- 49 쪽
- 1.3MB
지원 환경
- 앱
- 웹
- PC뷰어
- PAPER
ISBN
9781785889851
ECN
-
이 작품의 시리즈더보기
- [체험판] Bayesian Analysis with Python (Osvaldo Martin)
- Bayesian Analysis with Python (Osvaldo Martin)
[체험판] Bayesian Analysis with Python
작품 정보
▶About This Book
The purpose of this book is to teach the main concepts of Bayesian data analysis. We will learn how to effectively use PyMC3, a Python library for probabilistic programming, to perform Bayesian parameter estimation, to check models and validate them. This book begins presenting the key concepts of the Bayesian framework and the main advantages of this approach from a practical point of view. Moving on, we will explore the power and flexibility of generalized linear models and how to adapt them to a wide array of problems, including regression and classification. We will also look into mixture models and clustering data, and we will finish with advanced topics like non-parametrics models and Gaussian processes. With the help of Python and PyMC3 you will learn to implement, check and expand Bayesian models to solve data analysis problems.
▶Key Features
⦁ Simplify the Bayes process for solving complex statistical problems using Python;
⦁ Tutorial guide that will take the you through the journey of Bayesian analysis with the help of sample problems and practice exercises;
⦁ Learn how and when to use Bayesian analysis in your applications with this guide.
▶What You Will Learn
⦁ Understand the essentials Bayesian concepts from a practical point of view
⦁ Learn how to build probabilistic models using the Python library PyMC3
⦁ Acquire the skills to sanity-check your models and modify them if necessary
⦁ Add structure to your models and get the advantages of hierarchical models
⦁ Find out how different models can be used to answer different data analysis questions
⦁ When in doubt, learn to choose between alternative models.
⦁ Predict continuous target outcomes using regression analysis or assign classes using logistic and softmax regression.
⦁ Learn how to think probabilistically and unleash the power and flexibility of the Bayesian framework
The purpose of this book is to teach the main concepts of Bayesian data analysis. We will learn how to effectively use PyMC3, a Python library for probabilistic programming, to perform Bayesian parameter estimation, to check models and validate them. This book begins presenting the key concepts of the Bayesian framework and the main advantages of this approach from a practical point of view. Moving on, we will explore the power and flexibility of generalized linear models and how to adapt them to a wide array of problems, including regression and classification. We will also look into mixture models and clustering data, and we will finish with advanced topics like non-parametrics models and Gaussian processes. With the help of Python and PyMC3 you will learn to implement, check and expand Bayesian models to solve data analysis problems.
▶Key Features
⦁ Simplify the Bayes process for solving complex statistical problems using Python;
⦁ Tutorial guide that will take the you through the journey of Bayesian analysis with the help of sample problems and practice exercises;
⦁ Learn how and when to use Bayesian analysis in your applications with this guide.
▶What You Will Learn
⦁ Understand the essentials Bayesian concepts from a practical point of view
⦁ Learn how to build probabilistic models using the Python library PyMC3
⦁ Acquire the skills to sanity-check your models and modify them if necessary
⦁ Add structure to your models and get the advantages of hierarchical models
⦁ Find out how different models can be used to answer different data analysis questions
⦁ When in doubt, learn to choose between alternative models.
⦁ Predict continuous target outcomes using regression analysis or assign classes using logistic and softmax regression.
⦁ Learn how to think probabilistically and unleash the power and flexibility of the Bayesian framework
작가 소개
▶About the Author- Osvaldo Martin
Osvaldo Martin is a researcher at The National Scientific and Technical Research Council (CONICET), the main organization in charge of the promotion of science and technology in Argentina. He has worked on structural bioinformatics and computational biology problems, especially on how to validate structural protein models. He has experience in using Markov Chain Monte Carlo methods to simulate molecules and loves to use Python to solve data analysis problems. He has taught courses about structural bioinformatics, Python programming, and, more recently, Bayesian data analysis. Python and Bayesian statistics have transformed the way he looks at science and thinks about problems in general. Osvaldo was really motivated to write this book to help others in developing probabilistic models with Python, regardless of their mathematical background. He is an active member of the PyMOL community (a C/Python-based molecular viewer), and recently he has been making small contributions to the probabilistic programming library PyMC3.
Osvaldo Martin is a researcher at The National Scientific and Technical Research Council (CONICET), the main organization in charge of the promotion of science and technology in Argentina. He has worked on structural bioinformatics and computational biology problems, especially on how to validate structural protein models. He has experience in using Markov Chain Monte Carlo methods to simulate molecules and loves to use Python to solve data analysis problems. He has taught courses about structural bioinformatics, Python programming, and, more recently, Bayesian data analysis. Python and Bayesian statistics have transformed the way he looks at science and thinks about problems in general. Osvaldo was really motivated to write this book to help others in developing probabilistic models with Python, regardless of their mathematical background. He is an active member of the PyMOL community (a C/Python-based molecular viewer), and recently he has been making small contributions to the probabilistic programming library PyMC3.
리뷰
0.0
구매자 별점
0명 평가
이 작품을 평가해 주세요!
건전한 리뷰 정착 및 양질의 리뷰를 위해 아래 해당하는 리뷰는 비공개 조치될 수 있음을 안내드립니다.
- 타인에게 불쾌감을 주는 욕설
- 비속어나 타인을 비방하는 내용
- 특정 종교, 민족, 계층을 비방하는 내용
- 해당 작품의 줄거리나 리디 서비스 이용과 관련이 없는 내용
- 의미를 알 수 없는 내용
- 광고 및 반복적인 글을 게시하여 서비스 품질을 떨어트리는 내용
- 저작권상 문제의 소지가 있는 내용
- 다른 리뷰에 대한 반박이나 논쟁을 유발하는 내용
* 결말을 예상할 수 있는 리뷰는 자제하여 주시기 바랍니다.
이 외에도 건전한 리뷰 문화 형성을 위한 운영 목적과 취지에 맞지 않는 내용은 담당자에 의해 리뷰가 비공개 처리가 될 수 있습니다.아직 등록된 리뷰가 없습니다.
첫 번째 리뷰를 남겨주세요!
첫 번째 리뷰를 남겨주세요!
'구매자' 표시는 유료 작품 결제 후 다운로드하거나 리디셀렉트 작품을 다운로드 한 경우에만 표시됩니다.
- 무료 작품 (프로모션 등으로 무료로 전환된 작품 포함)
- '구매자'로 표시되지 않습니다.
- 시리즈 내 무료 작품
- '구매자'로 표시되지 않습니다. 하지만 같은 시리즈의 유료 작품을 결제한 뒤 리뷰를 수정하거나 재등록하면 '구매자'로 표시됩니다.
- 영구 삭제
- 작품을 영구 삭제해도 '구매자' 표시는 남아있습니다.
- 결제 취소
- '구매자' 표시가 자동으로 사라집니다.
개발/프로그래밍 베스트더보기
- 한 걸음 앞선 개발자가 지금 꼭 알아야 할 클로드 코드 (조훈, 정찬훈)
- AI 엔지니어링 (칩 후옌, 변성윤)
- 헤드 퍼스트 소프트웨어 아키텍처 (라주 간디, 마크 리처드)
- 블렌더로 애니 그림체 캐릭터를 만들어보자! -모델링편- (나츠모리 카츠, 김모세)
- 딥러닝 제대로 이해하기 (사이먼 J. D. 프린스, 고연이)
- AI 프로덕트 기획과 운영 (마릴리 니카, 오성근)
- 플러터 엔지니어링 (마지드 하지안, 한국 플러터 커뮤니티)
- 개발자를 위한 생성형 AI 활용 가이드 (핫토리 유우키, 하승민)
- 블렌더로 애니 그림체 캐릭터를 만들어보자! 카툰 렌더링편 (나츠모리 카츠, 김모세)
- AI 에이전트 생태계 (이주환)
- 안티프래질 프런트엔드 (김상철)
- 소문난 명강의 : 크리핵티브의 한 권으로 끝내는 웹 해킹 바이블 (하동민)
- 밑바닥부터 시작하는 웹 브라우저 (파벨 판체카, 크리스 해럴슨)
- 테디노트의 랭체인을 활용한 RAG 비법노트 심화편 (이경록)
- 조코딩의 랭체인으로 AI 에이전트 서비스 만들기 (우성우, 조동근)
- LLM을 활용한 실전 AI 애플리케이션 개발 (허정준, 정진호)
- 게임 시스템 디자인 입문 (댁스 개저웨이, 강세중)
- 데이터 중심 애플리케이션 설계 (마틴 클레프만, 정재부)
- 현장에서 통하는 도메인 주도 설계 실전 가이드 (마스다 토오루, 타나카 히사테루)
- 테디노트의 랭체인을 활용한 RAG 비법노트_기본편 (이경록(테디노트))
성인 인증 안내
성인 재인증 안내
성인 인증 안내
성인 재인증 안내
청소년보호법에 따라 성인 인증은 1년간
유효하며, 기간이 만료되어 재인증이 필요합니다.
성인 인증 후에 이용해 주세요.
해당 작품은 성인 인증 후 보실 수 있습니다.
성인 인증 후에 이용해 주세요.
청소년보호법에 따라 성인 인증은 1년간
유효하며, 기간이 만료되어 재인증이 필요합니다.
성인 인증 후에 이용해 주세요.
해당 작품은 성인 인증 후 선물하실 수 있습니다.
성인 인증 후에 이용해 주세요.
본문 끝 최상단으로 돌아가기
