檢視 Python贝叶斯建模与计算的原始碼

{| class="wikitable" align="right"
|-
|<center><img src=https://www0.kfzimg.com/sw/kfz-cos/kfzimg/19106940/cbf9b58d61cf0e43_s.jpg width="260"></center>
<small>[https://book.kongfz.com/322276/6934604375 来自 孔夫子网 的图片]</small>
|}

《'''Python贝叶斯建模与计算'''》，[阿根廷] 奥斯瓦尔多·A.马丁（OsvaldoA.Martin) 著，出版社： 清华大学出版社。

清华大学出版社成立于1980年6月，是教育部主管、[[清华大学]]主办的综合性大学出版社<ref>[http://www.zhongyw.com.cn/news/show-53574.html 我国出版社的等级划分和分类标准]，知网出书，2021-03-01</ref>。清华社现年出版图书、音像制品、电子出版物等近3000种，[[销售]]规模和综合实力以及在高等教育教材市场、科技图书市场、馆配图书市场占有率均名列前茅<ref>[http://www.tup.tsinghua.edu.cn/aboutus/qyjj.html 企业简介]，清华大学出版社有限公司</ref>。

==内容简介==

《Python贝叶斯建模与计算》旨在帮助贝叶斯初学者成为中级从业者。本书使用了PyMC3、TensorFlow Probability和Arviz等多个软件库的实践方法，重点是应用统计学的实践方法，并参考了基础数学理论。

本书首先回顾了贝叶斯推断的概念。第2章介绍了贝叶斯模型探索性分析的现代方法。基于这两个基本原理,接下来的章节介绍了各种模型，包括线性回归、样条、[[时间]]序列和贝叶斯加性回归树。其后几章讨论的主题包括:逼近贝叶斯计算，通过端到端案例研究展示如何在不同环境中应用贝叶斯建模，以及概率编程语言内部构件。最后一章深入讲述数学理论或扩展对某些主题的讨论，作为本书其余部分的参考。

《Python贝叶斯建模与计算》由PyMC3、ArviZ、Bambi和TensorFlowProbability等软件库的贡献者撰写。

==作者介绍==

Osvaldo A. Martin是阿根廷IMASL-CONICET和芬兰阿尔托大学计算机科学系的研究员。他拥有生物物理学和结构生物信息学博士学位。多年来，他日益精进对贝叶斯方面的数据分析问题的研究。他对开发和实现贝叶斯统计和概率建模软件工具尤其感兴趣。

Ravin Kumar是[[谷歌]]的数据科学家，此前曾在SpaceX和Sweetgreen等公司工作。他拥有制造工程硕士学位和机械工程学士学位。他发现贝叶斯统计可以有效地为组织建模以及制定策略。

Junpeng Lao是谷歌的数据科学家。在此之前，他获得了博士学位，随后作为博士后在认知神经科学领域开展研究。他主要研究Bootstrapping和Permutation，由此对贝叶斯统计和生成建模产生了浓厚的兴趣。

==参考文献==
[[Category:040 類書總論；百科全書總論]]