pymc-devs/pymc-examples

它解决了什么问题

PyMC Examples 为学习者和从业者提供了一套现成的 Jupyter notebooks，演示了如何应用 PyMC 进行贝叶斯统计建模和概率机器学习。用户无需从零开始，可以直接探索已完成的示例，跟随分步演示，并将其应用到自己的问题中。

工作原理

该项目是一个托管在 GitHub 上的笔记本集合，并在在线画廊中展示。每个笔记本都包含一个 binder 徽章，因此访问者无需在本地安装任何东西，即可直接在浏览器中启动交互式会话。README 指向了入门指南、主要的 PyMC 教程和 API 参考。它还列出了几本使用 PyMC 构建代码示例的书籍（如 "Probabilistic Programming and Bayesian Methods for Hackers" 和 "Statistical Rethinking"），以及 YouTube 上的录制讲座。用户可以在 PyMC Discourse 论坛上提问，报告笔记本或库本身的问题，并通过阅读贡献指南和行为准则进行贡献。

适用人群

此资源适合任何想要学习或使用 Python 进行贝叶斯统计的人：数据科学家、统计学家、研究人员、学生以及更喜欢动手代码示例而非纯理论解释的开发人员。它对于寻找现成演示的讲师，以及已经了解贝叶斯思想但需要 PyMC 特定方案的人也非常有用。

亮点

• 精选示例库，每个笔记本上都有 binder 徽章，可即时交互使用。
• 指向入门指南、主要 PyMC 教程和 API 参考的直接链接。
• 配套资源：教授使用 PyMC 代码进行贝叶斯分析的书籍，以及 YouTube 讲座播放列表。
• 社区支持：通过 PyMC Discourse、针对示例和库的独立问题跟踪器以及贡献指南提供支持。