Analiza bayesowska w Pythonie. Praktyczny przewodnik po modelowaniu probabilistycznym. Wydanie III

W ostatnich dekadach statystyka bayesowska zyskała ogromne znaczenie w nauce i inżynierii. Współczesna analiza bayesowska to w dużej mierze statystyka obliczeniowa elastyczna, przejrzysta i umożliwiająca intuicyjną interpretację wyników. Dzięki rozwojowi bibliotek języka Python koncepcje bayesowskie stały się praktycznym narzędziem do realizacji zaawansowanych scenariuszy analitycznych.

Książka stanowi kompleksowe wprowadzenie do stosowanego wnioskowania bayesowskiego i jego implementacji w Pythonie. Autor używa nowoczesnej biblioteki PyMC do programowania probabilistycznego, a ArviZ do analizy i diagnostyki modeli. Omawia także inne narzędzia ekosystemu bayesowskiego, takie jak Bambi, PreliZ i Kulprit. Zapoznasz się z zagadnieniami bayesowskich addytywnych drzew regresyjnych (BART), selekcji zmiennych, konstrukcji rozkładów a priori i porównywania modeli. Ponadto dowiesz się, jak budować, analizować i interpretować modele probabilistyczne w projektach z zakresu data science.

W książce między innymi:

• budowa modeli probabilistycznych z użyciem PyMC
• analiza i diagnostyka modeli w ArviZ
• modele hierarchiczne zalety i ograniczenia
• porównywanie modeli i wybór najlepszych rozwiązań
• interpretacja wyników w kontekście rzeczywistych problemów
• myślenie probabilistyczne w ujęciu bayesowskim

Książka stanowi kompleksowe, jasne i zwięzłe wprowadzenie do metod bayesowskich i biblioteki PyMC.

Christopher Fonnesbeck i Thomas Wiecki

Analiza bayesowska w Pythonie – Praktyczny przewodnik po modelowaniu probabilistycznym. Wydanie III

Odkryj potęgę statystyki bayesowskiej w nowoczesnym programowaniu! Ta książka to kompleksowe wprowadzenie do analizy bayesowskiej, które łączy teorię z praktycznymi zastosowaniami w języku Python. Dzięki nowoczesnym bibliotekom, takim jak PyMC i ArviZ, nauczysz się, jak efektywnie modelować i analizować dane w kontekście rzeczywistych problemów.

Dla kogo jest ta książka?

• Studenci i absolwenci kierunków związanych z danymi i statystyką
• Profesjonaliści z branży data science i analityki danych
• Programiści pragnący poszerzyć swoje umiejętności w zakresie statystyki bayesowskiej
• Naukowcy i inżynierowie zainteresowani modelowaniem probabilistycznym

Co zyskasz dzięki tej publikacji?

• Umiejętność budowania modeli probabilistycznych z użyciem biblioteki PyMC
• Znajomość analizy i diagnostyki modeli w ArviZ
• Wiedza na temat modeli hierarchicznych oraz ich zalet i ograniczeń
• Umiejętność porównywania modeli i wyboru najlepszych rozwiązań
• Praktyczne umiejętności interpretacji wyników w kontekście rzeczywistych problemów
• Rozwój myślenia probabilistycznego w ujęciu bayesowskim

Kluczowe tematy i obszary

• Wnioskowanie bayesowskie
• Programowanie probabilistyczne w Pythonie
• Analiza i diagnostyka modeli
• Bayesowskie addytywne drzewa regresyjne (BART)
• Selekcja zmiennych i konstrukcja rozkładów a priori

O Autorze

Osvaldo Martin to ekspert w dziedzinie statystyki bayesowskiej i programowania w Pythonie, który dzieli się swoją wiedzą i doświadczeniem w przystępny sposób, umożliwiając czytelnikom łatwe przyswajanie skomplikowanych koncepcji.

O Wydawcy

Helion to renomowane wydawnictwo specjalizujące się w publikacjach z zakresu informatyki, programowania i technologii. Dzięki wieloletniemu doświadczeniu, Helion dostarcza czytelnikom wartościowe materiały, które wspierają rozwój umiejętności w dynamicznie zmieniającym się świecie technologii.

Książka stanowi kompleksowe, jasne i zwięzłe wprowadzenie do metod bayesowskich i biblioteki PyMC.

Christopher Fonnesbeck i Thomas Wiecki

Opis wygenerowany automatycznie na podstawie analizy cech publikacji przez system AI. Nasz algorytm dokonał samodzielnej syntezy korzyści płynących z tej książki, aby dostarczyć Ci rzetelny wgląd w jej zawartość bez udziału człowieka. Szybka informacja prosto z metadanych produktu.