Gyakorlati valószínűségi programozás

Olvasói vélemények

Avi Pfeffer 'Practical Probabilistic Programming' című könyve bemutatja a Figaro programozási nyelvet, a valószínűségi programozásra és annak alkalmazásaira összpontosítva. Bár a könyv értékes tartalmat tartalmaz a valószínűségi modellekkel kapcsolatban, a Figaro mint nyelv kiválasztása és a könyv felépítése vegyes kritikákat kapott.

⬤ Jó bevezetés a valószínűségi programozásba és a bayesi érvelésbe.
⬤ Magas szintű absztrakciók a valószínűségelmélet megértéséhez.
⬤ Hasznos gyakorlatok és feladatsorok.
⬤ Haladó valószínűségi fogalmakkal és struktúrákkal foglalkozik.
⬤ Tartalmaz egy Linux telepítési útmutatót a Figaróhoz.

⬤ A Figaro mint programozási nyelv homályosnak számít, és az iparban nem általánosan használt.
⬤ A könyv sűrű, nehezen olvasható, és magas szintű előismereteket feltételez.
⬤ Hiányzik a világos szerkezet és szervezés, így nehezen követhető.
⬤ A kódpéldák nem minden olvasó számára hozzáférhetőek.
⬤ Néhány olvasónak nehézséget okozott a Figaro telepítése, ami korlátozta a használhatóságot.

(11 olvasói vélemény alapján)

Eredeti címe:

Practical Probabilistic Programming

Könyv tartalma:

Összefoglaló

A Gyakorlati valószínűségi programozás a dolgozó programozót bevezeti a valószínűségi programozásba. A könyvben megtanulja, hogyan használhatja a PP paradigmát az alkalmazási tartományok modellezésére, majd hogyan fejezheti ki ezeket a valószínűségi modelleket kódban. Bár a PP absztraktnak tűnhet, ebben a könyvben azonnal gyakorlati példákon dolgozhat, például a Figaro nyelv segítségével spamszűrőt építhet, és Bayes-hálózatokat és Markov-hálózatokat alkalmazhat, számítógépes rendszerek adatproblémáinak diagnosztizálására és digitális képek helyreállítására.

A nyomtatott könyv megvásárlása magában foglalja a Manning Publications ingyenes e-könyvét PDF, Kindle és ePub formátumban.

A technológiáról

Az ügyfelekről, termékekről és a weboldal felhasználóiról felhalmozott adatok nemcsak a múlt értelmezésében segíthetnek, hanem a jövő előrejelzésében is A valószínűségi programozás a kód segítségével valószínűségi következtetéseket von le az adatokból. Speciális algoritmusok alkalmazásával a programjai valószínűségi fokokat rendelnek a következtetésekhez. Ez azt jelenti, hogy előre jelezheti az olyan jövőbeli eseményeket, mint az értékesítési trendek, a számítógépes rendszerek meghibásodásai, kísérleti eredmények és sok más kritikus kérdés.

A könyvről

A Practical Probabilistic Programming (Gyakorlati valószínűségi programozás) a dolgozó programozókat vezeti be a valószínűségi programozásba. Ebben a könyvben azonnal olyan gyakorlati példákon dolgozhat, mint például egy spamszűrő építése, számítógépes rendszer adatproblémáinak diagnosztizálása és digitális képek helyreállítása. Felfedezi a valószínűségi következtetést, ahol az algoritmusok segítségével kiterjesztett előrejelzéseket készíthet olyan kérdésekkel kapcsolatban, mint például a közösségi média használata. Útközben megtanulja használni a funkcionális stílusú programozást szövegelemzéshez, objektumorientált modelleket olyan társadalmi jelenségek előrejelzésére, mint a tweetek terjedése, és nyílt univerzumú modelleket a valós közösségi médiahasználat felmérésére. A könyvnek vannak fejezetei arról is, hogy a valószínűségi modellek hogyan segíthetnek a döntéshozatalban és a dinamikus rendszerek modellezésében.

What's Inside

⬤ Bevezetés a valószínűségi modellezésbe.

⬤ Valószínűségi programok írása Figaro nyelven.

⬤ Bajes-hálózatok építése.

⬤ Termékéletciklusok előrejelzése.

⬤ Döntéshozatali algoritmusok.

Az olvasóról

Ez a könyv nem feltételezi a valószínűségi programozással kapcsolatos előzetes ismereteket. A Scala ismerete hasznos.

A szerzőről

Avi Pfeffer a valószínűségi programozásra szolgáló Figaro nyelv fő fejlesztője.

Tartalomjegyzék

1. RÉSZ A VALÓSZÍNŰSÉGI PROGRAMOZÁS ÉS A FIGARO BEVEZETÉSE.

⬤ Probabilisztikus programozás dióhéjban.

⬤ Egy gyors Figaro bemutató.

⬤ Valószínűségi programozási alkalmazás létrehozása.

2. RÉSZ VALÓSZÍNŰSÉGI PROGRAMOK ÍRÁSA.

⬤ Probabilisztikus modellek és valószínűségi programok.

⬤ Függőségek modellezése Bayes-hálózatokkal és Markov-hálózatokkal.

⬤ A Scala és a Figaro gyűjtemények használata a modellek felépítéséhez.

⬤ Objektumorientált valószínűségi modellezés.

⬤ Dinamikus rendszerek modellezése.

3. RÉSZ KÖVETKEZTETÉS.

⬤ A valószínűségi következtetés három szabálya.

⬤ Tényezős következtetési algoritmusok.

⬤ Mintázó algoritmusok.

⬤ Egyéb következtetési feladatok megoldása.

⬤ Dinamikus következtetés és paramétertanulás.