|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/numpyro-advanced/
课程评论：没有评论
课程名称：NumPyroで学ぶベイズ統計モデリング【応用編】 课程概述：本课程主要面向已经理解贝叶斯统计基本理念的学员，介绍贝叶斯统计建模的多种应用示例。课程从线性回归和稳健线性回归等基本例子开始，逐步深入到变化点检测、评分、微分方程的参数估计等多种应用案例。学员将在Google Colaboratory上运行这些示例，通过大量幻灯片和示范代码，加深对统计建模的理解。 本课程使用名为NumPyro的概率编程包，该包具有JAX这一高速后端的特点，能快速进行模型参数估计等操作。对于有Python经验的学员而言，学习成本较低，方便进入统计建模和概率编程的新领域。目前NumPyro的最新版本为0.7.2，运行稳定，但由于该包仍在发展中，使用时需谨慎，特别是在业务应用中。 由于有关NumPyro的日文资料较少，学员在遇到问题时需要具备一定的英文信息解读能力。尽管本课程是之前课程“NumPyroで学ぶ ベイズ統計モデリング【基礎編】”的续篇，但并不要求掌握基础课程的所有内容，只需了解“马尔科夫链蒙特卡洛”（MCMC）和“先验分布・后验分布”等基本术语即可。课程前半部分也介绍了线性回归的示例，以帮助初学者熟悉NumPyro的基本用法。 请注意，课程中可能使用到部分实验性功能，未来接口可能会有所变化。此外，为了推广概率编程技术，课程中介绍的代码可能会在博客等文章中引用，敬请理解。
本コースは、主にベイズ統計の基本的な考え方を理解している皆様に向けて、ベイズ統計モデリングのさまざまな応用例を紹介するコースとなっています。最初は、線形回帰やロバスト線形回帰などの基本的な例題からスタートして、徐々に変化点検出やレイティング、微分方程式のパラメータ推定などのさまざまな応用例を見ていきます。本コースでは、こうしたさまざまな応用例を Google Colaboratory 上で動かしてゆき、たくさんのスライドとサンプルコードの両方で、統計モデリングの知識を深めてゆきます。また、こうした例題には NumPyro と呼ばれる確率プログラミングのパッケージを利用します。NumPyro は、JAX と呼ばれる高速なバックエンドを持っていることが特徴の確率プログラミングのパッケージであり、モデルのパラメータ推定などを高速に行えるのが、大きな特徴のひとつになっています。また、NumPyro は Python のパッケージであることから、Python の経験者にとっては、比較的少ない学習コストで統計モデリングや確率プログラミングという新しい世界を覗いてみることができることも大きなメリットのひとつとなっています。NumPyro の最新バージョンは現在のところ 0.7.2 ですが（2021年9月現在）、動作は安定しており、普通に利用するには大きな問題はないものと考えています。ただ、パッケージがまだまだ発展途上であることには注意が必要です。業務等での利用の際には十分にご注意下さい。また、NumPyro に関しては、和書などの日本語の情報が少ないため、わからないことが出てきた場合には、ある程度英語で情報を読み解く力が必要になります。その点にもご注意下さい。なお、本コースで使用している NumPyro のバージョンは 0.7.2 です。【注意点】本コースは、基本的には既に公開されている「NumPyro で学ぶベイズ統計モデリング【基礎編】」の続編にあたる講座となりますが、基礎編の全ての内容を前提としている訳ではありません。「MCMC 」や「事前分布・事後分布」といったベイズ統計の基本的な用語に関する知識があれば、概ねコースの内容を理解できるものと想定しています。また、コースの前半では、線形回帰の例題を使った NumPyro の入門的な内容も紹介していますので、Stan や PyMC3 等に少しでも触れたことのある方であれば、あまり苦労せずに中身を理解して頂くことができるのではないかと考えています。なお、本コースでは一部においてパッケージの実験的な機能を使っている部分がありますので、インターフェース等には将来的に変更がある可能性のある部分があります。予めご了承下さい。また、確率プログラミングの技術を広く拡散させるため、本コースで紹介しているコードをブログ等の記事で紹介する可能性が御座います。その点につきましても予めご了承頂けますと幸いです。
