AI必須! 從做中學貝氏統計: 從事機器學習、深度學習、資料科學、大數據分析一定要懂的統計利器 | 誠品線上

Bayesian Statistics for Beginners : A Step-by-Step Approach

作者 Therese M. Donovan/ Ruth M. Mickey
出版社 旗標科技股份有限公司
商品描述 AI必須! 從做中學貝氏統計: 從事機器學習、深度學習、資料科學、大數據分析一定要懂的統計利器:內容介紹:[真的可以跟著做的貝氏統計書]貝氏統計因AI機器學習的發展而再度

內容簡介

內容簡介 | "

作者介紹

作者介紹 Therese Donovan美國地質調查暨魚類和野生動物生物學家。在佛蒙特大學魯賓斯坦環境與自然資源學院研究所教授生態建模與保育生物學,並與專業人員共同研究脊椎動物保護問題。Ruth Mickey佛蒙特大學數學與統計學系榮譽教授。她教授多變量分析、分類數據、調查取樣、變異數分析與機率學等課程,亦擔任碩博士委員會顧問。她致力於開發統計方法與應用以推動公共衛生與自然資源事務。黃駿國立臺灣大學腦與心智科學研究所碩士班畢業後,曾擔任過行銷、產品設計等工作。有 Java 與 Python 程式語言基礎,對於科學與科技議題抱有高度興趣,隨後投入翻譯工作,目前譯有《無限的力量》、《深度強化式學習》、《深度學習的16堂課》等,同時經營自己的英文部落格:Neurozo Innovation Blog。

產品目錄

產品目錄 目錄: 第一篇 機率的基本概念 Ch01 先來瞭解一下機率 Ch02 聯合機率、邊際機率、條件機率 第二篇 貝氏定理和貝氏推論 Ch03 貝氏定理 Ch04 貝氏推論 Ch05 作者問題:包含兩個假設的貝氏推論 Ch06 生日問題:包含多個假設的貝氏推論 Ch07 肖像問題:利用聯合概似性進行貝氏推論 第三篇 機率函數 Ch08 機率質量函數 Ch09 機率密度函數 第四篇 貝氏共軛 (Bayesian Conjugate) Ch10 白宮問題:Beta-二項式共軛 Ch11 鯊魚攻擊問題:Gamma-卜瓦松共軛 Ch12 楓糖問題:常態-常態共軛 第五篇 馬可夫鏈蒙地卡羅 (MCMC) Ch13 回顧鯊魚攻擊問題:以 Metropolis 演算法進行 MCMC 分析 Ch14 MCMC 診斷技巧 Ch15 回顧白宮問題:以 Metropolis-Hastings 演算法進行 MCMC 分析 Ch16 回顧楓糖問題:以 Gibbs 抽樣進行 MCMC 分析 第六篇 貝是定理的有趣應用 Ch17 生存遊戲問題:以 MCMC 進行簡單線性迴歸 Ch18 繼續討論生存遊戲問題:介紹貝氏模型選擇 Ch19 羅雷司問題:介紹貝氏網路 Ch20 萬事樂問題:介紹決策樹 附錄 A1 Beta-二項式共軛解 A2 Gamma-卜瓦松共軛解 A3 常態-常態共軛解 A4 簡單線性迴歸的共軛解 A5 迴歸資料的標準化

商品規格

書名 / AI必須! 從做中學貝氏統計: 從事機器學習、深度學習、資料科學、大數據分析一定要懂的統計利器
作者 / Therese M. Donovan Ruth M. Mickey
簡介 / AI必須! 從做中學貝氏統計: 從事機器學習、深度學習、資料科學、大數據分析一定要懂的統計利器:內容介紹:[真的可以跟著做的貝氏統計書]貝氏統計因AI機器學習的發展而再度
出版社 / 旗標科技股份有限公司
ISBN13 / 9789863127215
ISBN10 / 9863127213
EAN / 9789863127215
誠品26碼 / 2682239111009
頁數 / 672
開數 / 18K
注音版 /
裝訂 / S:軟精裝
語言 / 1:中文 繁體
尺寸 / 23X17X4.2CM
級別 / N:無

最佳賣點

最佳賣點 : 可以跟著做的貝氏統計書