Praktyczne programowanie probabilistyczne

Opinie czytelników

Książka „Practical Probabilistic Programming” autorstwa Aviego Pfeffera przedstawia język programowania Figaro, koncentrując się na programowaniu probabilistycznym i jego zastosowaniach. Chociaż zawiera ona cenne treści dotyczące modeli probabilistycznych, wybór Figaro jako języka i struktura książki otrzymały mieszane recenzje.

⬤ Dobre wprowadzenie do programowania probabilistycznego i wnioskowania bayesowskiego.
⬤ Wysokopoziomowe abstrakcje pozwalające zrozumieć teorię prawdopodobieństwa.
⬤ Przydatne ćwiczenia i zestawy problemów.
⬤ Zaawansowane koncepcje i struktury probabilistyczne.
⬤ Zawiera przewodnik instalacji Figaro w systemie Linux.

⬤ Figaro jako język programowania jest uważany za mało znany i nie jest powszechnie używany w branży.
⬤ Książka jest gęsta, trudna w czytaniu i zakłada wysoki poziom wcześniejszej wiedzy.
⬤ Brak jasnej struktury i organizacji, co utrudnia śledzenie.
⬤ Przykłady kodu nie są dostępne dla wszystkich czytelników.
⬤ Niektórzy czytelnicy mieli problemy z instalacją Figaro, co ograniczało użyteczność.

(na podstawie 11 opinii czytelników)

Oryginalny tytuł:

Practical Probabilistic Programming

Zawartość książki:

Streszczenie

Practical Probabilistic Programming wprowadza programistę w programowanie probabilistyczne. Dowiesz się z niej, jak używać paradygmatu PP do modelowania domen aplikacji, a następnie wyrażać te probabilistyczne modele w kodzie. Chociaż PP może wydawać się abstrakcyjne, w tej książce będziesz mógł od razu pracować nad praktycznymi przykładami, takimi jak użycie języka Figaro do zbudowania filtra antyspamowego oraz zastosowanie sieci Bayesa i Markowa do diagnozowania problemów z danymi systemu komputerowego i odzyskiwania obrazów cyfrowych.

Zakup książki drukowanej obejmuje bezpłatny eBook w formatach PDF, Kindle i ePub od Manning Publications.

O technologii

Gromadzone dane o klientach, produktach i użytkownikach witryny mogą pomóc nie tylko w interpretacji przeszłości, ale także w przewidywaniu przyszłości Programowanie probabilistyczne wykorzystuje kod do wyciągania probabilistycznych wniosków z danych. Stosując wyspecjalizowane algorytmy, programy przypisują stopnie prawdopodobieństwa do wniosków. Oznacza to, że można prognozować przyszłe zdarzenia, takie jak trendy sprzedaży, awarie systemów komputerowych, wyniki eksperymentów i wiele innych krytycznych kwestii.

O książce

Practical Probabilistic Programming wprowadza programistów w programowanie probabilistyczne. W tej książce będziesz mógł od razu pracować nad praktycznymi przykładami, takimi jak tworzenie filtrów antyspamowych, diagnozowanie problemów z danymi systemu komputerowego i odzyskiwanie obrazów cyfrowych. Odkryjesz wnioskowanie probabilistyczne, w którym algorytmy pomagają tworzyć rozszerzone prognozy dotyczące takich kwestii, jak korzystanie z mediów społecznościowych. Po drodze nauczysz się korzystać z programowania funkcjonalnego do analizy tekstu, modeli obiektowych do przewidywania zjawisk społecznych, takich jak rozprzestrzenianie się tweetów, oraz modeli otwartego wszechświata do oceny rzeczywistego wykorzystania mediów społecznościowych. Książka zawiera również rozdziały poświęcone temu, w jaki sposób modele probabilistyczne mogą pomóc w podejmowaniu decyzji i modelowaniu systemów dynamicznych.

What's Inside

⬤ Wprowadzenie do modelowania probabilistycznego.

⬤ Pisanie programów probabilistycznych w Figaro.

⬤ Budowanie sieci bayesowskich.

⬤ Prognozowanie cyklu życia produktu.

⬤ Algorytmy podejmowania decyzji.

O czytelniku

Ta książka nie zakłada wcześniejszego kontaktu z programowaniem probabilistycznym. Znajomość języka Scala jest pomocna.

O autorze

Avi Pfeffer jest głównym twórcą języka programowania probabilistycznego Figaro.

Spis treści

CZĘŚĆ 1 WPROWADZENIE DO PROGRAMOWANIA PROBABILISTYCZNEGO I JĘZYKA FIGARO.

⬤ Programowanie probabilistyczne w pigułce.

⬤ Krótki samouczek Figaro.

⬤ Tworzenie aplikacji do programowania probabilistycznego.

CZĘŚĆ 2 PISANIE PROGRAMÓW PROBABILISTYCZNYCH.

⬤ Modele probabilistyczne i programy probabilistyczne.

⬤ Modelowanie zależności za pomocą sieci bayesowskich i sieci Markowa.

⬤ Wykorzystanie kolekcji Scala i Figaro do tworzenia modeli.

⬤ Zorientowane obiektowo modelowanie probabilistyczne.

⬤ Modelowanie systemów dynamicznych.

CZĘŚĆ 3 WNIOSKOWANIE.

⬤ Trzy zasady wnioskowania probabilistycznego.

⬤ Algorytmy wnioskowania czynnikowego.

⬤ Algorytmy próbkowania.

⬤ Rozwiązywanie innych zadań wnioskowania.

⬤ Wnioskowanie dynamiczne i uczenie się parametrów.