PyMC で学ぶ ベイズ統計モデリング 【基礎編】

PyMC で学ぶ ベイズ統計モデリング 【基礎編】 udemy course

Python で理解するベイズ統計モデリングと確率プログラミング

Python のパッケージである PyMC を使ってベイズ統計モデリングと確率プログラミングの基礎を学びます。最初は、分布へのあてはめといった簡単な例題からスタートして、最終的には一般化線形モデル（GLM）や一般化線形混合モデル（GLMM）といったモデルの概要を理解できるようになることを目指します。

PyMC は、わかりやすいインターフェースを持っていることが特徴の確率プログラミングのパッケージであり、非常にシンプルな記法でさまざまなモデルを表現できるようになっています。本講座では、この PyMC を使って、より短期間かつ少ない学習コストでベイズ統計モデリングの大まかな流れを理解することを目標にしています。

【 内容に関する注意点 】

本講座ではできるだけ理論的な側面と実装的な側面の両方の説明をするようにしていますが、理論的な側面を理解するには確率分布等に関する予備知識が必要となります。必要な予備知識に関しては、動画の始めの方でご紹介していますので、予めご確認下さい。

また、本講座の中で紹介している例題は、既に公開済みの講座である「NumPyro で学ぶベイズ統計モデリング【基礎編】」とほぼ同じ例題ですが、利用している確率プログラミングのパッケージが異なります。

なお、こちらの講座は基本的には「実装」あるいは「コード」の側にウェイトを置いた内容になっています。概念的な部分の説明もさせて頂いていますが、こうした部分は基本的にはオマケ的なものと考えて下さい（私自身は統計の専門家ではありませんので、多少力不足の部分があるかと思います）。大雑把な話ではなく、本格的な統計分析を勉強されたい方はこちらの講座ではなく、しっかりした統計学の教科書にあたってみることをお勧めします。

【 講座の改訂に関して 】

こちらの講座はもともと「PyMC3 で学ぶ統計モデリングの基礎」として公開されていた講座は PyMC のバージョンアップに合わせて改訂させて頂いた内容になっています。サンプルコードは version 5 の PyMC に合わせたものになっていますが、講座の動画の一部は古い PyMC3 のままになっていることがあります。予めご了承下さい。

なお、以前の講座では Anaconda を使った環境構築を必要としていましたが、現在 PyMC は Google Colaboratory で動くようになっておりますので、パッケージのインストールなどはしなくてもサンプルコードは動くようになっております。

環境構築等の関する内容は、無償公開させて頂いておりますので、予めご確認することをお勧めします。