Ｐｙｔｈｏｎではじめるベイズ機械学習入門

確率的プログラミング言語がすぐに使える！　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。

★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

目次

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

本の帯に関して

帯つきでの出荷はお約束しておりません。
商品ページに、帯のみに付与される特典物等の表記がある場合でも、確実に帯つきでの出荷はお約束しておりません。
また、帯は商品の一部ではなく「広告扱い」のため、帯の有無・破損による交換や返品は承っておりません。

版・表紙について

版・表紙（カバー）のご指定は承っておりません。ご注文いただくタイミングによっては、お届けする商品の版や表紙が商品ページ上のものとは異なる場合がございます。
また、初版にのみにお付けしている特典（初回特典、初回仕様特典）がある商品は、商品ページに特典の表記がされている場合でも、無くなり次第終了となります。