珠海科技学院图书馆书目检索系统

Online Public Access Catalogue

题名/责任者:

Python贝叶斯建模与计算/(阿根廷) 奥斯瓦尔多·A. 马丁, (美) 拉万·库马尔, (美) 劳俊鹏著 郭涛译

出版发行项:

北京:清华大学出版社,2024

ISBN及定价:

978-7-302-65485-8/CNY98.00

载体形态项:

xx, 324页:图;24cm

统一题名:

Bayesian modeling and computation in Python

丛编项:

数据科学与大数据技术

个人责任者:

马丁 (Martin, Osvaldo A.) 著

个人责任者:

库马尔 (Kumar, Ravin) 著

个人责任者:

劳俊鹏 著

个人次要责任者:

郭涛 译

学科主题:

软件工具-程序设计

中图法分类号:

TP311.561

出版发行附注:

本书中文简体翻译版授权由清华大学出版社独家出版 本书原版由Taylor & Francis出版集团旗下CRC Press出版公司出版, 并经其授权翻译出版

相关题名附注:

英文题名原文取自版权页

责任者附注:

奥斯瓦尔多·A. 马丁, 是阿根廷IMASL-CONICET和芬兰阿尔托大学计算机科学系的研究员。拉万·库马尔, 是谷歌的数据科学家, 此前曾在SpaceX和Sweetgreen等公司工作。劳俊鹏, 是谷歌的数据科学家。郭涛, 主要从事人工智能、现代软件工程、智能空间信息处理以及时空大数据挖掘与分析等前沿交叉研究。

提要文摘附注:

本书旨在帮助贝叶斯初学者成为中级从业者。本书使用了PyMC3、Tensorflow Probability和ArviZ等多个软件库的实践方法, 重点为应用统计学的实践方法, 并参考了基础数学理论。本书首先回顾贝叶斯推断的概念。第2章介绍了贝叶斯模型探索性分析的现代方法。基于这两个基本原理, 接下来的章节介绍了各种模型, 包括线性回归、样条、时间序列和贝叶斯加性回归树。其后几章讨论的主题包括: 逼近贝叶斯计算, 通过端到端案例研究展示如何在不同环境中应用贝叶斯建模, 以及概率编程语言内部构件。

豆瓣简介：