Байесовский анализ на Python
Об издании
В книге представлены основные концепции байесовской статистики и ее практическая реализация на языке Python с использованием современной библиотеки вероятностного программирования PyMC3 и новой библиотеки исследовательского анализа байесовских моделей ArviZ. Полученные знания о вероятностном моделировании позволят вам самостоятельно проектировать и реализовать байесовские модели для собственных задач научной обработки данных. Издание будет полезно всем специалистам по анализу данных, использующих в своей работе байесовское моделирование.
Библиографическая запись
Мартин, О. Байесовский анализ на Python / О. Мартин ; перевод А. В. Снастин. — Москва : ДМК Пресс, 2020. — 340 c. — ISBN 978-5-97060-768-8. — Текст : электронный // Цифровой образовательный ресурс IPR SMART : [сайт]. — URL: https://www.iprbookshop.ru/124544.html (дата обращения: 11.10.2022). — Режим доступа: для авторизир. пользователей
РЕКОМЕНДУЕМ К ПРОЧТЕНИЮ
Седова Н.А., Седов В.А.
(Ай Пи Ар Медиа)
Миронов А.В., Садриева А.Н., Филатова Л.П.
(Ай Пи Ар Медиа)
Миронов А.В., Садриева А.Н., Филатова Л.П.
(Профобразование, Ай Пи Ар Медиа)
C ЭТОЙ КНИГОЙ ТАКЖЕ ЧИТАЮТ
Токманцев Т.Б.
(Профобразование, Уральский федеральный университет)
Кортов В.С., Никифоров С.В.
(Профобразование, Уральский федеральный университет)
Кузнецова Т.С.
(Профобразование, Уральский федеральный университет)
Тягунов Г.В., Волкова А.А., Шишкунов В.Г., Барышев Е.Е.
(Профобразование, Уральский федеральный университет)
Шкурко В.Е., Никитина Н.Ю.
(Профобразование, Уральский федеральный университет)
Емельянов В.В., Максимова Н.Е., Мочульская Н.Н.
(Профобразование, Уральский федеральный университет)
Глухарева Т.В., Селезнева И.С.
(Профобразование, Уральский федеральный университет)
На конкретных примерах рассмотрим:
На конкретных примерах рассмотрим: