پیشنهاد فرادرس

آشنایی با تجزیه و تحلیل بیزی در پایتون

دسته بندی ها: آموزش پایتون (Python) ، علم داده (Data Science) ، تحلیل داده (Data Analysis) ، آموزش های Packtpub

آمار بیزی ابزاری مؤثر برای حل برخی از مشکلات استنتاج است زمانی که نمونه موجود برای تحلیل آماری پیچیده تر اعمال شده بسیار کوچک است. این دوره مفاهیم اصلی تجزیه و تحلیل داده های بیزی را آموزش می دهد. این دوره بر نحوه استفاده مؤثر از PyMC3 آشنا می شوید که یک کتابخانه پایتونی است که برای برنامه نویسی احتمالی، برای انجام تخمین پارامتر بیزی، بررسی مدل و اعتبار سنجی تمرکز دارد. این دوره فریمورک تحلیل بیزی را معرفی می کند. تئوری پیچیده ریاضی به نفع یک رویکرد عملی تر کنار خواهد رفت، و شامل روش های محاسباتی است که در کتابخانه PyMC3 در Python اجرا شده است. این دوره چندین نمونه از سناریوهای تحلیل را ارائه می دهد.

کلیه کدهای دوره در این لینک موجود است.

سبک و روکرد

انتظار می رود کاربر برنامه نویسی پایه پایتون را بداند. آگاهی از بسته های علمی پایتون از قبیل NumPy ، SciPy ، Matplotlib ، Seaborn و Pandas یک نکته مثبت اما اجباری نیست. با این حال ، درک اساسی از احتمال برای درک اصول چارچوب بیزی لازم است. آشنایی با مفهوم متغیرها و توزیعهای تصادفی باعث می شود که شما بهتر این دوره را یاد بگیرید.

جعبه ابزار تحلیلگر بیزی

آیا این نوشته را دوست داشتید؟
Introduction to Bayesian Analysis in Python Author:Sunil Gupta Duration:1 hours 10 minutes

Bayesian statistics is an effective tool for solving some inference problems when the available sample is too small for more complex statistical analysis to be applied. This course teaches the main concepts of Bayesian data analysis. It focuses on how to effectively use PyMC3, a Python library for probabilistic programming, to perform Bayesian parameter estimation, model checking, and validation.
The course introduces the framework of Bayesian Analysis. Complex mathematical theory will be sidestepped in favor of a more pragmatic approach, featuring computational methods implemented in the Python library PyMC3. We present several instances of analysis scenarios.
All the codes of the course are uploaded on the Github repository: https://github.com/PacktPublishing/-Introduction-to-Bayesian-Analysis-in-Python
Style and Approach
The user is expected to know basic Python programming. Knowledge of scientific Python packages such as NumPy, SciPy, Matplotlib, Seaborn, and Pandas is a plus but not mandatory. However, a basic understanding of probability is necessary to grasp the fundamentals of the Bayesian framework. Familiarity with the notion of random variables and distributions will enable you to follow along with the course.

پیشنهاد فرادرس