出版社内容情報
★確率的プログラミング言語がすぐに使える！★
・Pythonでのコーディングを前提に、PyMC3、Pyro、NumPyro、TFP、GPyTorchをカバー。
・回帰モデルの基本から潜在変数モデル・深層学習モデルまでを幅広く解説。
【主な内容】
第1章 ベイジアンモデリングとは
1.1 データ解析とコンピュータ
1.2 ベイジアンモデリングの基礎
1.3 代表的な確率分布
1.4 近似推論手法
第2章 確率的プログラミング言語（PPL）
2.1 ベイジアンモデリングとPPL
2.2 自動微分・最適化アルゴリズム
2.3 PyMC3の概要
2.4 Pyroの概要
2.5 NumPyroの概要
2.6 TensorFlow Probabilityの概要
2.7 GPyTorchの概要
第3章 回帰モデル
3.1 線形回帰モデル：線形単回帰モデル
3.2 線形回帰モデル：線形重回帰モデル
3.3 一般化線形モデル：ポアソン回帰モデル
3.4 一般化線形モデル：ロジスティック回帰モデル
3.5 階層ベイズモデル
3.6 ガウス過程回帰モデル：ガウス尤度
3.7 ガウス過程回帰モデル：尤度の一般化
第4章 潜在変数モデル
4.1 混合ガウスモデル
4.2 行列分解モデル
4.3 状態空間モデル
4.4 隠れマルコフモデル
4.5 トピックモデル
4.6 ガウス過程潜在変数モデル
第5章 深層学習モデル
5.1 ニューラルネットワーク回帰モデル
5.2 変分自己符号化器
5.3 PixelCNN
5.4 深層ガウス過程
5.5 正規化流
感想・レビュー
※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。
kaida6213
6
基礎的な部分から丁寧に説明してくれてあっというまに半分過ぎたかなと思ったら急に難易度があがる。難易度というかモジュールの固有用語が頻出するので動かしながらじゃないと中々入ってこない。2023/03/02
shin_ash
6
須山さんが書いたと言うことで予約していて、忘れた頃に届いたので早速読んでみた。理論は最小限で実装ベースで解説するスタイルで、MCMCだけでなく変分推論もカバーしているのが大きな特徴。コードも冗長なところは別途確認となっているが、解説部分はきっちり載っていて、流れも分かりやすく、私の様なコードがダメなタイプでも流れが追えるようになっている。また、階層ベイズだけでなく、潜在変数モデルも実装レベルで解説されているので大変ありがたい。またガウス過程回帰をカバーしているのもありがたい。さらにVAEを変分推論の観点か2022/06/11
yuka_tetsuya
0
ベイズ理論が現在ブームとなっている拡散モデルのアイデアの基となっており、それに至るまでの応用が順番に解説されていて、理解しやすかった。Pythonコードも示されているが、私の環境ではうまく動かずに残念であった。2024/10/14
