Préface
Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : translation-feedback@oreilly.com
Le principe de ce livre, et des autres livres de la série Think X, est que si tu sais programmer, tu peux utiliser cette compétence pour apprendre d'autres sujets.
La plupart des livres sur les statistiques bayésiennes utilisent la notation mathématique et présentent les idées à l'aide de concepts mathématiques comme le calcul. Ce livre utilise du code Python et des approximations discrètes au lieu de mathématiques continues. Par conséquent, ce qui serait une intégrale dans un livre de mathématiques devient une sommation, et la plupart des opérations sur les distributions de probabilités sont des boucles ou des opérations sur des tableaux.
Je pense que cette présentation est plus facile à comprendre, du moins pour les personnes ayant des compétences en programmation. Elle est également plus générale, car lorsque nous prenons des décisions en matière de modélisation, nous pouvons choisir le modèle le plus approprié sans trop nous préoccuper de savoir si le modèle se prête à une analyse mathématique.
De plus, il permet de passer en douceur d'exemples simples à des problèmes du monde réel.
À qui s'adresse ce livre ?
Pour commencer ce livre, tu dois être à l'aise avec Python. Si tu connais NumPy et pandas, cela t'aidera, mais je t'expliquerai ce dont tu as besoin au fur et à mesure. Tu n'as pas besoin de connaître le calcul ou l'algèbre linéaire. ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access