NumPyro について、確率モデルを扱いたい理由を再確認したあとに動かしてみる
この記事はTensorFlow Advent Calendar 2020の6日目の記事です。 概要 この記事では NumPyro について扱います。NumPyro は確率的プログラミングを行うためのフレームワークの1つで、バックエンドに JAX を使っていることが特徴的です。この時点で次のような疑問が生まれるでしょう。 そもそもなんで確率なの？サイコロを投げるの？ 確率的プログラミングとは？ JAXって？ これにできる限り真正面から答えようというのがこの記事の目的です。まず確率モデルを導入する理由について述べます。次に、確率的プログラミングが扱う課題について述べます。その後、 NumPyro に関係する技術である Pyro や JAX について確認したあとに NumPyro について触れます。 このような構成のため、それぞれの構成要素について深くは触れません。また、ベイズ推論や機械学習に関
因果推論の奥へ: "What works" meets "why it works"
社会学系の研究会からの依頼で、(1)因果推論の諸理論が奥の方でどう繋がっているか、また(2)そこで「質的理解」と「量的分析」がどう繋がっているのか、についてお話したときの資料です／ 訂正情報 (1) 誤：Neiman→正：Neyman, (2) スライド97枚目 誤:p(Y|X=小さい, Z) = p(Y|X=do(小さい))→正：E_{Z}[p(Y|X=小さい, Z)] = p(Y|X=do(小さい))（＊SlideShareではスライドの再アップロードが不可のためスライド自体を直せないのです...）
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
PyWhy
