Existe-t-il des tutoriels sur la théorie des probabilités bayésiennes ou des modèles graphiques par exemple?

13

J'ai vu des références à l'apprentissage de la théorie des probabilités bayésiennes en R, et je me demandais s'il y en avait plus, peut-être spécifiquement en Python? Orienté vers l'apprentissage de la théorie des probabilités bayésiennes, l'inférence, l'estimation du maximum de vraisemblance, les modèles graphiques et le tri?

3ds
la source
5
La théorie des probabilités bayésienne est-elle différente de la théorie des probabilités régulière? Je suis d'accord que la théorie de la décision bayésienne , l' inférence bayésienne , la théorie de l'estimation bayésienne, etc. diffèrent considérablement des versions fréquentistes de ces deux sujets, mais la théorie des probabilités est la même pour les deux camps, non?
Dilip Sarwate,
Merci, mauvaise utilisation de la terminologie :) Quel mot devrais-je utiliser pour englober ces sujets?
3ds
Êtes-vous intéressé par le codage ou les mathématiques? Si c'est le cas, que diriez-vous de "programmer des procédures d'estimation bayésienne ..."? De plus, l'estimation du maximum de vraisemblance n'est pas bayésienne, sauf asymptotiquement dans presque tous les cas.
jbowman
Vraiment les deux. Je veux vraiment comprendre les mathématiques, mais j'ai trouvé que les méthodes montrées par le codage semblent solidifier la compréhension, un peu comme la série 'Think Stats' pour les statistiques de base en python :)
3ds

Réponses:

16

À partir de fin janvier 2012, un cours de 10 semaines sur le thème des modèles graphiques probabilistes sera offert en ligne gratuitement par le professeur Stanford Daphne Koller . Il est considéré comme une continuation naturelle du cours de ML d' Andrew NG , et s'il est n'importe où près d'Andrew, il sera d'une qualité exquise.

Il y a aussi Mathicalmonk - des vidéos YouTube gratuites couvrant de nombreux sujets comme MLE, les réseaux Bayes, elles sont plus mathématiques.

Unités de cours de classe ai 3.x Probabilité en IA et 4.x Inférence probabiliste (si vous créez un compte sur http://www.ai-class.com vous pouvez les voir dans une belle interface ordonnée)

Pour en savoir plus:
http://www.cs.ubc.ca/~murphyk/Bayes/bnintro.html
http://mtnwestrubyconf2007.confreaks.com/session03.html

clyfe
la source
6

La programmation probabiliste et les méthodes bayésiennes pour les pirates sont une grande utilisation du bloc-notes ipython et de l'apprentissage des méthodes bayésiennes . Si vous utilisez la pile Ipython / Scipy, vous pouvez télécharger le bloc-notes et exécuter l'exemple de code localement; sa console interactive est idéale pour apprendre, tester et écrire Python.

Ipython: http://ipython.org/

bizzurnzz
la source
Très Python en effet.
Cam.Davidson.Pilon
4

Si vous voulez vraiment apprendre le concept fondamental des statistiques bayésiennes, vous devriez certainement lire l'analyse des données bayésiennes écrite par Andrew Gelman. Je vous encourage à faire l'exercice. Vous en apprendrez beaucoup. Faire le calcul des statistiques bayésiennes est une étape importante pour vous d'apprendre les modèles graphiques probabilistes. Il semble que vous soyez débutant dans le concept bayésien. NE PAS lire les modèles graphiques probabilistes à la hâte si vous n'avez pas appris de concept de base et ne connaissez pas le calcul mathématique bayésien. vous connaissez ma suggestion Si vous avez lu les conférences vidéo de Stanford fournies par Andrew Ng .

Randolph Chou
la source
0

Je viens de découvrir ce MOOC "Navigation autonome des robots volants" ( https://www.edx.org/course/autonomous-navigation-flying-robots-tumx-autonavx-0 ). Au cours, les instructeurs enseignent aux participants comment programmer (en python) un robot volant pour la navigation autonome, en exploitant les statistiques bayésiennes pour l'estimation des états et d'autres techniques utiles (par exemple le filtrage de Kalman des entrées de capteurs bruyants). La bonne chose est que le code que l'on écrit en classe est utilisable pour certains robots volants disponibles dans le commerce, donc on peut plus tard jouer avec cela et chercher des possibilités pour améliorer l'estimation de l'état bayésien.

Pour le bloc-notes Ipython "Programmation probabilisée et méthodes bayésiennes pour les pirates", je peux également le recommander fortement. Je n'ai jamais rencontré d'introduction pratique aussi accessible et complète et j'ai vraiment beaucoup appris en relativement peu de temps!

Dave
la source
3
Veuillez expliquer clairement le lien entre votre premier lien et la question. Votre deuxième lien est déjà couvert dans une autre réponse.
Glen_b -Reinstate Monica