出版社内容情報
★数学とプログラミングを対比させながら、一歩一歩わかりやすく！
実務に即してPyMC5プログラミングでベイズ推論を使いこなせるようになる。
最初の一冊として、データサイエンティストにおすすめ！
【サポートサイト】
https://github.com/makaishi2/python_bayes_intro
【主な内容】
第1章 確率分布を理解する
1.1 ベイズ推論における確率分布の必要性
1.2 確率変数と確率分布
1.3 離散分布と連続分布
1.4 PyMCによる確率モデル定義とサンプリング
1.5 サンプリング結果分析
1.6 確率分布とPyMCプログラミングの関係
第2章 よく利用される確率分布
2.1 ベルヌーイ分布（pm.Bernoulliクラス）
2.2 二項分布（pm.Binomial クラス）
2.3 正規分布（pm.Normal クラス）
2.4 一様分布（pm.Uniform クラス）
2.5 ベータ分布（pm.Beta クラス）
2.6 半正規分布（pm.HalfNormal クラス）
第3章 ベイズ推論とは
3.1 ベイズ推論利用の目的
3.2 問題設定
3.3 最尤推定による解法
3.4 ベイズ推論による解法
3.5 ベイズ推論の精度を上げる方法
3.6 ベイズ推論の活用例
第4章 はじめてのベイズ推論実習
4.1 問題設定 (再掲)
4.2 最尤推定
4.3 ベイズ推論 (確率モデル定義）
4.4 ベイズ推論 (サンプリング）
4.5 ベイズ推論 (結果分析）
4.6 ベイズ推論 (二項分布バージョン）
4.7 ベイズ推論 (試行回数を増やす）
4.8 ベイズ推論 (事前分布の変更）
4.9 ベータ分布で直接確率分布を求める
第5章 ベイズ推論プログラミング
5.1 データ分布のベイズ推論
5.2 線形回帰のベイズ推論
5.3 階層ベイズモデル
5.4 潜在変数モデル
第6章 ベイズ推論の業務活用事例
6.1 ABテストの効果検証
6.2 ベイズ回帰モデルによる効果検証
6.3 IRT (Item Response Theory）によるテスト結果評価
内容説明
数学とプログラミングを対比させながら一歩一歩わかりやすく。
目次
第１章 確率分布を理解する
第２章 よく利用される確率分布
第３章 ベイズ推論とは
第４章 はじめてのベイズ推論実習
第５章 ベイズ推論プログラミング
第６章 ベイズ推論の業務活用事例
著者等紹介
赤石雅典［アカイシマサノリ］
アクセンチュア株式会社ビジネスコンサルティング本部ＡＩグループシニア・プリンシパル。１９８５年、東京大学工学部計数工学科卒業。１９８７年、同大学院修士課程修了後、日本ＩＢＭ株式会社に入社。Ｗａｔｓｏｎの技術セールスなどを経験後、アクセンチュア株式会社に入社。現在はＡＩ・データサイエンス系のプロジェクトの技術リードやクライアントのＡＩ人材育成支援などを担当。京都情報大学院大学客員教授
須山敦志［スヤマアツシ］
アクセンチュア株式会社ビジネスコンサルティング本部ＡＩグループシニア・プリンシパル。２００９年、東京工業大学工学部情報工学科卒業。２０１１年、東京大学大学院情報工学研究科博士前期課程修了後に、ソニー株式会社に入社。その後、インフォメティス株式会社などを経て、２０１７年、アクセンチュア株式会社に入社。現在は、最先端テクノロジーを活用したクライアント企業の業務改革などを担当（本データはこの書籍が刊行された当時に掲載されていたものです）
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。
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
