Existem tutoriais sobre a teoria das probabilidades bayesianas ou modelos gráficos por exemplo?

13

Eu já vi referências ao aprendizado da teoria das probabilidades bayesianas em R, e eu queria saber se há mais como isso, talvez especificamente em Python? Voltado para o aprendizado da teoria da probabilidade bayesiana, inferência, estimativa da máxima verossimilhança, modelos gráficos e o tipo?

3ds
fonte
5
A teoria da probabilidade bayesiana é diferente da teoria da probabilidade regular? Concordo que a teoria da decisão bayesiana , a inferência bayesiana , a teoria da estimativa bayesiana etc. diferem significativamente das versões freqüentistas desses dois tópicos, mas a teoria da probabilidade é a mesma para os dois campos, não?
Dilip Sarwate
Obrigado, mau uso da terminologia :) Que palavra eu usaria para abranger esses tópicos?
3ds
Você está interessado em codificação ou matemática? No primeiro caso, que tal "programar procedimentos de estimativa bayesiana ..."? Além disso, a estimativa de probabilidade máxima não é bayesiana, exceto assintoticamente em quase todos os casos.
jbowman
Realmente ambos. Eu quero realmente entender a matemática, mas eu descobri que os métodos mostrados pela codificação parece solidificar a compreensão, como o tipo de 'Pense Estatísticas' série para as estatísticas básicas em python :)
3ds

Respostas:

16

A partir do final de janeiro de 2012, um curso de 10 semanas sobre o tópico Modelos Gráficos Probabilísticos será realizado on-line gratuitamente pelo Professor Daphne Koller, de Stanford . É considerado uma continuação natural do curso de ML de Andrew NG e, se estiver perto de Andrew, será de excelente qualidade.

Há também mathematicsmonk's - vídeos gratuitos do YouTube cobrindo muitos tópicos como MLE, redes Bayes, eles são mais pesados ​​em matemática.

unidades de curso da classe ai 3.x Probabilidade na IA e 4.x Inferência Probabilística (se você criar uma conta em http://www.ai-class.com, poderá vê-las em uma interface ordenada)

Mais:
http://www.cs.ubc.ca/~murphyk/Bayes/bnintro.html
http://mtnwestrubyconf2007.confreaks.com/session03.html

clyfe
fonte
6

Um ótimo uso do notebook ipython e da aprendizagem de métodos bayesianos é a Programação Probabilística e Métodos Bayesianos para Hackers . Se você estiver usando a pilha Ipython / Scipy, poderá baixar o notebook e executar o código de exemplo localmente; seu console interativo é ótimo para aprender, testar e escrever Python.

Ipython: http://ipython.org/

bizzurnzz
fonte
Muito Python de fato.
Cam.Davidson.Pilon
4

Se você realmente deseja aprender o conceito fundamental da estatística bayesiana, definitivamente deve ler a análise de dados bayesiana, escrita por Andrew Gelman. Encorajo-vos a fazer o exercício. Você aprenderá muito com isso. Fazer a matemática das estatísticas bayesianas é um passo importante para você aprender modelos gráficos probabilísticos. Parece que você é novato no conceito bayesiano. NÃO leia Modelos Gráficos Probabilísticos às pressas se você não aprendeu nenhum conceito básico e não está familiarizado com o cálculo matemático bayesiano. você conhece minha sugestão Se você leu as palestras em vídeo de Stanford fornecidas por Andrew Ng .

Randolph Chou
fonte
0

Acabei de encontrar este MOOC "Navegação Autônoma de Robôs Voadores" ( https://www.edx.org/course/autonomous-navigation-flying-robots-tumx-autonavx-0 ). No curso, os instrutores ensinam aos participantes como programar (em python) um robô voador para navegação autônoma, explorando estatísticas bayesianas para estimativa de estados e outras técnicas úteis (por exemplo, filtragem Kalman da entrada de sensor com ruído). O bom é que o código que se escreve em sala de aula é utilizável para alguns robôs voadores disponíveis no mercado, para que mais tarde possamos brincar mais com isso e procurar possibilidades de como melhorar a estimativa do estado bayesiano.

Para o Notebook Ipython "Programação Probabilística e Métodos Bayesianos para Hackers", também posso recomendá-lo. Não encontrei uma introdução tão acessível e abrangente antes e realmente aprendi muito em um tempo relativamente curto!

Dave
fonte
3
Explique claramente a conexão entre seu primeiro link e a pergunta. Seu segundo link já está coberto em outra resposta.
Glen_b -Reinstate Monica