Programación probabilística práctica

Opiniones de los lectores

El libro 'Practical Probabilistic Programming' de Avi Pfeffer presenta el lenguaje de programación Figaro, centrándose en la programación probabilística y sus aplicaciones. Aunque tiene un contenido valioso en relación con los modelos probabilísticos, la elección de Figaro como lenguaje y la estructura del libro han recibido críticas mixtas.

⬤ Buena introducción a la programación probabilística y al razonamiento bayesiano.
⬤ Abstracciones de alto nivel para entender la teoría de la probabilidad.
⬤ Ejercicios y problemas útiles.
⬤ Aborda conceptos y estructuras probabilísticas avanzadas.
⬤ Incluye una guía de instalación de Figaro en Linux.

⬤ Figaro como lenguaje de programación se considera oscuro y no se utiliza comúnmente en la industria.
⬤ El libro es denso, difícil de leer y presupone un alto nivel de conocimientos previos.
⬤ Carece de una estructura y organización claras, lo que dificulta su seguimiento.
⬤ Los ejemplos de código no son accesibles para todos los lectores.
⬤ Algunos lectores tuvieron problemas con la instalación de Figaro, lo que limita la usabilidad.

(basado en 11 opiniones de lectores)

Título original:

Practical Probabilistic Programming

Contenido del libro:

Resumen

Practical Probabilistic Programming introduce al programador en activo a la programación probabilística. En él, aprenderá a utilizar el paradigma PP para modelar dominios de aplicación y luego expresar esos modelos probabilísticos en código. Aunque la PP puede parecer abstracta, en este libro trabajará inmediatamente con ejemplos prácticos, como el uso del lenguaje Figaro para construir un filtro de spam y la aplicación de redes bayesianas y de Markov, para diagnosticar problemas de datos de sistemas informáticos y recuperar imágenes digitales.

La compra del libro impreso incluye un libro electrónico gratuito en formatos PDF, Kindle y ePub de Manning Publications.

Acerca de la tecnología

Los datos que acumula sobre sus clientes, productos y usuarios del sitio web pueden ayudarle no sólo a interpretar su pasado, sino también a predecir su futuro La programación probabilística utiliza código para extraer inferencias probabilísticas de los datos. Aplicando algoritmos especializados, sus programas asignan grados de probabilidad a las conclusiones. Esto significa que puede predecir acontecimientos futuros como tendencias de ventas, fallos de sistemas informáticos, resultados de experimentos y muchas otras cuestiones críticas.

Acerca del libro

Programación probabilística práctica introduce al programador en activo en la programación probabilística. En este libro, trabajará inmediatamente en ejemplos prácticos como la construcción de un filtro de spam, el diagnóstico de problemas de datos del sistema informático y la recuperación de imágenes digitales. Descubrirá la inferencia probabilística, donde los algoritmos ayudan a realizar predicciones ampliadas sobre temas como el uso de las redes sociales. Por el camino, aprenderá a utilizar programación de estilo funcional para el análisis de textos, modelos orientados a objetos para predecir fenómenos sociales como la propagación de tweets y modelos de universo abierto para medir el uso real de las redes sociales. El libro también contiene capítulos sobre cómo los modelos probabilísticos pueden ayudar en la toma de decisiones y el modelado de sistemas dinámicos.

Contenido

⬤ Introducción al modelado probabilístico.

⬤ Escritura de programas probabilísticos en Figaro.

⬤ Construcción de redes bayesianas.

⬤ Predicción del ciclo de vida de los productos.

⬤ Algoritmos de toma de decisiones.

Acerca del lector

Este libro no asume ninguna exposición previa a la programación probabilística. El conocimiento de Scala es útil.

Sobre el autor

Avi Pfeffer es el principal desarrollador del lenguaje Figaro para programación probabilística.

Tabla de Contenidos

PARTE 1 INTRODUCCIÓN A LA PROGRAMACIÓN PROBABILÍSTICA Y FIGARO.

⬤ Programación probabilística en pocas palabras.

⬤ Un rápido tutorial de Figaro.

⬤ Creación de una aplicación de programación probabilística.

PARTE 2 ESCRIBIENDO PROGRAMAS PROBABILÍSTICOS.

⬤ Modelos probabilísticos y programas probabilísticos.

⬤ Modelando dependencias con redes Bayesianas y de Markov.

⬤ Uso de colecciones Scala y Figaro para construir modelos.

⬤ Modelado probabilístico orientado a objetos.

⬤ Modelado de sistemas dinámicos.

PARTE 3 INFERENCIA.

⬤ Las tres reglas de la inferencia probabilística.

⬤ Algoritmos de inferencia factorial.

⬤ Algoritmos de muestreo.

⬤ Resolución de otras tareas de inferencia.

⬤ Razonamiento dinámico y aprendizaje de parámetros.