Bayesowska analiza danych w Pythonie

Czas przyjrzeć się bliżej mechanizmom podejścia bayesowskiego. Dowiesz się, jak zastosować twierdzenie Bayesa do danych o skuteczności leków, jak estymować parametry rozkładów prawdopodobieństwa metodą siatki aproksymacji oraz jak aktualizować te estymaty w miarę napływania nowych danych. Następnie nauczysz się uwzględniać wiedzę a priori w modelu, a na koniec przećwiczysz ważną umiejętność prezentowania wyników odbiorcom bez technicznego przygotowania.

Zastosuj zdobyte umiejętności bayesowskiej analizy danych do rozwiązywania rzeczywistych wyzwań biznesowych. Pracując z danymi marketingowymi ze sprzedaży online, przeprowadzisz testy A/B, analizę decyzji i prognozowanie za pomocą modeli regresji liniowej.

W tym ostatnim rozdziale wykorzystasz możliwości pakietu PyMC3, aby z łatwością dopasowywać bayesowskie modele regresji, sprawdzać poprawność zbieżności modelu, wybierać spośród konkurencyjnych modeli i generować prognozy dla nowych danych. Na zakończenie zastosujesz zdobytą wiedzę w praktycznym studium przypadku – znajdziesz optymalną cenę awokado przy użyciu bayesowskiej analizy danych. Powodzenia!