AllenDowney/ThinkBayes

Code repository for Think Bayes.

해결하는 문제

ThinkBayes는 베이즈 통계를 학습하기 위한 실용적이고 코드 기반의 접근 방식을 제공합니다. Python 코드를 사용하여 실제 통계 문제를 해결함으로써 사용자가 추상적인 수학 이론을 넘어설 수 있도록 돕습니다.

작동 방식

이 저장소에는 책 Think Bayes에 딸린 소스 코드와 예제가 포함되어 있습니다. 계산 방법을 사용하여 베이즈 추론을 시연하며, 독자가 Python에서 직접 시뮬레이션을 실행하고 계산을 수행하여 새로운 데이터가 제공됨에 따라 확률이 어떻게 업데이트되는지 이해할 수 있게 합니다.

대상 독자

이 프로젝트는 전통적이고 공식이 많은 교과서보다는 실습을 통해 베이즈 통계를 배우고자 하는 학생, 데이터 애호가, 프로그래머를 위한 것입니다.

주요 특징

  • Python을 사용한 베이즈 분석의 실용적인 예제.
  • Allen B. Downey의 책 Think Bayes에 대한 동반 코드.
  • 복잡한 통계 개념을 단순화하기 위해 계산적 사고에 중점을 둡니다.

관련

  • 프로젝트
    NVlabs/sionna

    오픈소스 Python 라이브러리로, 무선 및 광통신 시스템의 연구를 위한 도구를 제공하며, 전파 전파 레이 트레이싱 및 무선/광링크 레벨 및 시스템 레벨 시뮬레이션 기능을 포함합니다.

  • 프로젝트
    aimacode/aima-java

    AIMA3e-Java는 Russell과 Norvig의 저서 'Artificial Intelligence: A Modern Approach'(제3판)에 나오는 알고리즘을 Java로 구현한 것으로, 교과서의 구조를 반영한 탐색, 논리, 확률, 학습 및 로봇 공학 코드를 제공합니다. 학생과 개발자가 학습이나 과제를 위해 Java로 AI 알고리즘을 실행할 수 있도록 돕습니다.

  • 프로젝트
    datawhalechina/key-book

    Key-book은 기계 학습 이론 교과서 "이론 기계 학습 입문"을 위한 무료 동반 읽기 가이드입니다. 개념 설명을 추가하고, 건너뛴 증명 단계를 채우며, 구체적인 예를 제공하여 독자가 추상적인 이론을 이해할 수 있도록 돕습니다.

  • 프로젝트
    AmbroseX/Awesome-AISourceHub

    AI 기술 분야의 고품질 정보원을 엄선한 저장소로, Twitter 인플루언서, 공식 계정, 웹사이트 등의 리소스를 수집하여 정보 격차와 필터 버블을 방지하고 정보원을 선별하는 실용적인 팁을 제공합니다.