Programmazione probabilistica pratica

Recensioni dei lettori

Il libro “Practical Probabilistic Programming” di Avi Pfeffer introduce il linguaggio di programmazione Figaro, concentrandosi sulla programmazione probabilistica e sulle sue applicazioni. Sebbene abbia contenuti validi per quanto riguarda i modelli probabilistici, la scelta di Figaro come linguaggio e la struttura del libro hanno ricevuto recensioni contrastanti.

⬤ Buona introduzione alla programmazione probabilistica e al ragionamento bayesiano.
⬤ Astrazioni di alto livello per la comprensione della teoria della probabilità.
⬤ Esercizi e problemi utili.
⬤ Affronta concetti e strutture probabilistiche avanzate.
⬤ Include una guida all'installazione di Figaro per Linux.

⬤ Figaro come linguaggio di programmazione è considerato oscuro e non comunemente usato nel settore.
⬤ Il libro è denso, difficile da leggere e presuppone un alto livello di conoscenze pregresse.
⬤ Manca una struttura e un'organizzazione chiare, che lo rendono difficile da seguire.
⬤ Gli esempi di codice non sono accessibili a tutti i lettori.
⬤ Alcuni lettori hanno avuto difficoltà con l'installazione di Figaro, limitandone la fruibilità.

(basato su 11 recensioni dei lettori)

Titolo originale:

Practical Probabilistic Programming

Contenuto del libro:

Sintesi

Practical Probabilistic Programming introduce il programmatore professionista alla programmazione probabilistica. Imparerete a utilizzare il paradigma PP per modellare i domini applicativi e poi esprimere questi modelli probabilistici nel codice. Anche se la PP può sembrare astratta, in questo libro si lavorerà immediatamente su esempi pratici, come l'uso del linguaggio Figaro per costruire un filtro antispam e l'applicazione di reti bayesiane e di Markov, per diagnosticare problemi di dati del sistema informatico e recuperare immagini digitali.

L'acquisto del libro stampato include un eBook gratuito nei formati PDF, Kindle e ePub di Manning Publications.

Informazioni sulla tecnologia

I dati che accumulate sui vostri clienti, prodotti e utenti del vostro sito web possono aiutarvi non solo a interpretare il vostro passato, ma anche a prevedere il vostro futuro La programmazione probabilistica utilizza il codice per trarre inferenze probabilistiche dai dati. Applicando algoritmi specializzati, i programmi assegnano gradi di probabilità alle conclusioni. Ciò significa che è possibile prevedere eventi futuri come l'andamento delle vendite, i guasti dei sistemi informatici, i risultati degli esperimenti e molti altri problemi critici.

Informazioni sul libro

Practical Probabilistic Programming introduce il programmatore professionista alla programmazione probabilistica. In questo libro, vi troverete immediatamente a lavorare su esempi pratici come la costruzione di un filtro antispam, la diagnosi di problemi di dati del sistema informatico e il recupero di immagini digitali. Scoprirete l'inferenza probabilistica, in cui gli algoritmi aiutano a fare previsioni estese su questioni come l'uso dei social media. Imparerete a usare la programmazione funzionale per l'analisi del testo, i modelli orientati agli oggetti per prevedere fenomeni sociali come la diffusione dei tweet e i modelli open universe per valutare l'uso reale dei social media. Il libro contiene anche capitoli su come i modelli probabilistici possono aiutare nel processo decisionale e nella modellazione di sistemi dinamici.

Cosa contiene

⬤ Introduzione alla modellazione probabilistica.

⬤ Scrittura di programmi probabilistici in Figaro.

⬤ Costruire reti bayesiane.

⬤ Previsione del ciclo di vita dei prodotti.

⬤ Algoritmi decisionali.

Informazioni sul lettore

Questo libro non presuppone una precedente esposizione alla programmazione probabilistica. La conoscenza di Scala è utile.

Informazioni sull'autore

Avi Pfeffer è il principale sviluppatore del linguaggio Figaro per la programmazione probabilistica.

Indice dei contenuti

PARTE 1 INTRODUZIONE ALLA PROGRAMMAZIONE PROBABILISTICA E A FIGARO.

⬤ La programmazione probabilistica in breve.

⬤ Un rapido tutorial su Figaro.

⬤ Creazione di un'applicazione di programmazione probabilistica.

PARTE 2 SCRIVERE PROGRAMMI PROBABILISTICI.

⬤ Modelli probabilistici e programmi probabilistici.

⬤ Modellazione delle dipendenze con reti bayesiane e di Markov.

⬤ Utilizzo di Scala e delle collezioni Figaro per costruire modelli.

⬤ Modellazione probabilistica orientata agli oggetti.

⬤ Modellazione di sistemi dinamici.

PARTE 3 INFERENZA.

⬤ Le tre regole dell'inferenza probabilistica.

⬤ Algoritmi di inferenza fattorizzata.

⬤ Algoritmi di campionamento.

⬤ Risoluzione di altri compiti di inferenza.

⬤ Ragionamento dinamico e apprendimento dei parametri.