Python貝葉斯建模與計算

《Python貝葉斯建模與計算》旨在幫助貝葉斯初學者成為中級從業者。本書使用了PyMC3、TensorFlow Probability和Arviz等多個軟件庫的實踐方法，重點是應用統計學的實踐方法，並參考了基礎數學理論。

本書首先回顧了貝葉斯推斷的概念。第2章介紹了貝葉斯模型探索性分析的現代方法。基於這兩個基本原理,接下來的章節介紹了各種模型，包括線性回歸、樣條、時間序列和貝葉斯加性回歸樹。其後幾章討論的主題包括:逼近貝葉斯計算，通過端到端案例研究展示如何在不同環境中應用貝葉斯建模，以及概率編程語言內部構件。最後一章深入講述數學理論或擴展對某些主題的討論，作為本書其餘部分的參考。

《Python貝葉斯建模與計算》由PyMC3、ArviZ、Bambi和TensorFlowProbability等軟件庫的貢獻者撰寫。



Osvaldo A.Martin是阿根廷IMASL-CONICET和芬蘭阿爾托大學計算機科學系的研究員。他擁有生物物理學和結構生物信息學博士學位。多年來，他日益精進對貝葉斯方面的數據分析問題的研究。他對開發和實現貝葉斯統計和概率建模軟件工具尤其感興趣。

Ravin Kumar是谷歌的數據科學家，此前曾在SpaceX和Sweetgreen等公司工作。他擁有製造工程碩士學位和機械工程學士學位。他發現貝葉斯統計可以有效地為組織建模以及制定策略。

Junpeng Lao是谷歌的數據科學家。在此之前，他獲得了博士學位，隨後作為博士后在認知神經科學領域開展研究。他主要研究Bootstrapping和Permutation，由此對貝葉斯統計和生成建模產生了濃厚的興趣。