|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/numpyro-basic/
课程评论：没有评论
## NumPyro で学ぶ ベイズ統計モデリング 【基礎編】 概要 本コースは、Python のパッケージである NumPyro を用いて、統計モデリングと確率プログラミングの基礎を習得することを目指します。JAX という高速なバックエンドを持つ NumPyro を活用し、モデルのパラメータ推定などを効率的に行う方法を学びます。 **学習内容:** * **基礎からのスタート:** 分布へのあてはめといった簡単な例題から始め、徐々に理解を深めます。 * **モデルの理解:** 一般化線形モデル（GLM）や一般化線形混合モデル（GLMM）といった、より複雑なモデルの概要を理解できるようになります。 * **NumPyro の特徴:** Python 経験者であれば、比較的容易に学習を開始でき、確率プログラミングの世界に触れることが可能です。 * **最新情報と注意点:** NumPyro の最新バージョン（2021年6月現在 0.6.0）を使用しますが、発展途上であるため、業務利用の際は注意が必要です。また、情報源は英語が中心となるため、英語での情報収集能力が求められます。 **受講にあたっての推奨:** * **理論と実装のバランス:** 理論的な側面もカバーしていますが、確率分布などの予備知識があると、より深く理解できます。 * **経験者の復習に最適:** ベイズ統計モデリングに関する書籍を読んだ経験のある方が、復習として利用するのに最も適しています。全くの初学者には、やや難しく感じる可能性があります。 * **PyMC3 との比較:** 本コースの例題は、「PyMC3 で学ぶ統計モデリングの基礎」とほぼ同一ですが、使用する確率プログラミングパッケージが異なります。 * **Google Colaboratory 対応:** 提供されるコードは Google Colaboratory 専用となっており、手軽にコードを実行できます。
Python のパッケージである NumPyro を使って統計モデリングと確率プログラミングの基礎を学びます。最初は、分布へのあてはめといった簡単な例題からスタートして、段階的に一般化線形モデル（GLM）や一般化線形混合モデル（GLMM）といったモデルの概要を理解できるようになることを目指します。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 0.6.0 ですが（2021年6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が、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、本講座で使用している NumPyro のバージョンは 0.6.0 です。【注意点】本講座ではできるだけ理論的な側面と実装的な側面の両方の説明をするようにしていますが、理論的な側面を十分に理解するには確率分布等に関する予備知識が必要となります。必要な予備知識に関しては、動画の始めの方でご紹介していますので、予めご確認下さい。また、本講座公開後のレビュー等から推察されるレベル感としては、何らかのベイズ統計モデリングに関する書籍を少し読まれたくらいの方が復習として利用されるのが最もフィットするような印象を持っています。「完全にゼロからのスタートだと少し難しいかもしれない」といった趣旨のご意見を頂いています。また、本講座の中で紹介している例題は、既に公開済みの講座である「PyMC3 で学ぶ統計モデリングの基礎」とほぼ同じ例題ですが、利用している確率プログラミングのパッケージが異なります。なお、講座「PyMC3 で学ぶ統計モデリングの基礎」は、前半に「予測における確率分布の重要性」などの解説を含んでいます。また、こちらで配布しているコードは Google Colaboratory 専用のコードになっているため、比較的簡単な操作でコードを動かしてみることができるようになっています。
