Ich habe Hinweise auf das Erlernen der Bayes'schen Wahrscheinlichkeitstheorie in R gesehen und mich gefragt, ob es mehr davon gibt, vielleicht speziell in Python? Auf das Erlernen der Bayes'schen Wahrscheinlichkeitstheorie, der Inferenz, der Maximum-Likelihood-Schätzung, grafischer Modelle und der Art ausgerichtet?
13
Antworten:
Ab Ende Januar 2012 wird ein 10-wöchiger Kurs zum Thema Probabilistic Graphical Models von Stanford Professor Daphne Koller kostenlos online angeboten . Es wird als natürliche Fortsetzung des ML-Kurses von Andrew NG angesehen , und wenn er in der Nähe von Andrews liegt, wird er von exquisiter Qualität sein.
Es gibt auch mathematicalmonks - kostenlose Youtube-Videos, die viele Themen wie MLE und Bayes-Netzwerke abdecken.
ai-class Lerneinheiten 3.x Wahrscheinlichkeit in AI und 4.x Wahrscheinlichkeitsrechnung (wenn Sie ein Konto auf http://www.ai-class.com erstellen , können Sie diese in einer schön geordneten Oberfläche sehen)
Weitere Informationen :
http://www.cs.ubc.ca/~murphyk/Bayes/bnintro.html
http://mtnwestrubyconf2007.confreaks.com/session03.html
quelle
Der großartige Einsatz von ipython notebook und das Erlernen der Bayes'schen Methoden ist die probabilistische Programmierung und die Bayes'sche Methode für Hacker . Wenn Sie den Ipython / Scipy-Stapel verwenden, können Sie das Notizbuch herunterladen und den Beispielcode lokal ausführen. Die interaktive Konsole eignet sich hervorragend zum Lernen, Testen und Schreiben von Python.
Ipython: http://ipython.org/
quelle
Wenn Sie wirklich ein grundlegendes Konzept der Bayes'schen Statistik erlernen möchten, sollten Sie unbedingt die von Andrew Gelman geschriebene Bayes'sche Datenanalyse lesen . Ich ermutige Sie, die Übung zu machen. Sie werden viel daraus lernen. Die Mathematik der Bayes'schen Statistik ist ein wichtiger Schritt für Sie, um probabilistische grafische Modelle zu erlernen. Es scheint, Sie sind Neuling in Bayesian Konzept. Lesen Sie probabilistische grafische Modelle NICHT hastig, wenn Sie kein grundlegendes Konzept kennen und mit der mathematischen Berechnung nach Bayes nicht vertraut sind. Sie kennen meinen Vorschlag Wenn Sie die von Andrew Ng bereitgestellten Videovorträge von Stanford gelesen haben .
quelle
Bin gerade auf dieses MOOC "Autonomous Navigation of Flying Robots" gestoßen ( https://www.edx.org/course/autonomous-navigation-flying-robots-tumx-autonavx-0 ). In dem Kurs unterrichten die Kursleiter die Teilnehmer, wie sie einen fliegenden Roboter für die autonome Navigation programmieren (in Python). Dabei werden Bayes-Statistiken für die Zustandsschätzung und andere nützliche Techniken (z. B. Kalman-Filterung von verrauschten Sensoreingaben) verwendet. Das Schöne ist, dass der Code, den man in der Klasse schreibt, für einige im Handel erhältliche Flugroboter verwendet werden kann, sodass man später mehr damit spielen und nach Möglichkeiten suchen kann, um die Bayes'sche Zustandsschätzung zu verbessern.
Für das Ipython-Notizbuch "Probabilisic Programming & Bayesian Methods for Hackers" kann ich es ebenfalls sehr empfehlen. Ich habe noch nie zuvor eine so gut zugängliche und umfassende Einführung erlebt und in relativ kurzer Zeit wirklich viel gelernt!
quelle