나는 R에서 베이지안 확률 이론을 배우는 것에 대한 언급을 보았고, 아마도 파이썬에서 이와 같은 것이 더 있는지 궁금해하고 있었습니까? 베이지안 확률 이론, 추론, 최대 가능성 추정, 그래픽 모델 및 정렬을 배우는 데 적합합니까?
나는 R에서 베이지안 확률 이론을 배우는 것에 대한 언급을 보았고, 아마도 파이썬에서 이와 같은 것이 더 있는지 궁금해하고 있었습니까? 베이지안 확률 이론, 추론, 최대 가능성 추정, 그래픽 모델 및 정렬을 배우는 데 적합합니까?
답변:
2012 년 1 월 말부터 스탠포드 교수 다프네 콜러 (Daphne Koller) 가 확률 그래픽 모델에 관한 10 주 과정을 온라인으로 무료로 개최 할 예정 이다. Andrew NG ML 과정의 자연스러운 연속으로 간주되며 Andrew 근처에 있으면 절묘한 품질이 될 것입니다.
이 또한 mathematicalmonk입니다 - 무료 유튜브 비디오 MLE, 베이 즈 네트워크 같은 많은 주제를 다루는, 그들은 더 수학 무겁습니다.
인공 지능 과정 코스 단위 AI의 확률 3.x 및 확률 확률 추론 4.x ( http://www.ai-class.com에 계정을 만들면 멋진 인터페이스로 볼 수 있음)
더 :
http://www.cs.ubc.ca/~murphyk/Bayes/bnintro.html
http://mtnwestrubyconf2007.confreaks.com/session03.html
ipython 노트북을 많이 사용하고 베이지안 방법을 배우는 것은 해커를위한 확률 적 프로그래밍과 베이지안 방법입니다 . Ipython / Scipy 스택을 사용하는 경우 노트북을 다운로드하고 예제 코드를 로컬로 실행할 수 있습니다. 대화 형 콘솔은 Python을 배우고 테스트하고 작성하는 데 좋습니다.
Ipython : http://ipython.org/
Bayesian 통계의 기본 개념을 실제로 배우고 싶다면 Andrew Gelman이 작성한 Bayesian 데이터 분석을 읽으십시오 . 운동을 권장합니다. 당신은 그것으로부터 많은 것을 배울 것입니다. 베이지안 통계 수학을하는 것은 확률 적 그래픽 모델을 배우는 중요한 단계입니다. 베이지안 개념에 신입생 인 것 같습니다. 기본 개념을 배우지 않고 베이지안 수학적 계산에 익숙하지 않은 경우 확률 적 그래픽 모델을 성급하게 읽지 마십시오. Andrew Ng가 제공 한 Stanford의 비디오 강의를 읽은 경우 내 제안을 알고 있습니다 .
이 MOOC "비행 로봇의 자율 주행"( https://www.edx.org/course/autonomous-navigation-flying-robots-tumx-autonavx-0 )을 발견했습니다. 이 과정에서 강사는 참가자에게 자율 내비게이션을위한 비행 로봇을 프로그래밍하는 방법 (파이썬), 상태 추정 및 기타 유용한 기술 (예 : 노이즈 센서 입력의 칼만 필터링)에 대한 베이지안 통계를 활용하는 방법을 가르칩니다. 좋은 점은 클래스에서 작성하는 코드는 일부 상용 비행 로봇에 사용할 수 있으므로 나중에이 문제를 해결하고 베이지안 상태 추정을 개선하는 방법을 찾을 수 있다는 것입니다.
Ipython Notebook "해커를위한 전문 프로그래밍 및 베이지안 방법"의 경우에도 강력하게 권장 할 수 있습니다. 전에는 접근하기 쉽고 포괄적 인 소개를하지 않았으며 비교적 짧은 시간 내에 많은 것을 배웠습니다!