- はじめに
- 単一の分布を使ったモデル
- 正規分布
- 同時分布の設計
- 同時分布からのサンプリング
- Pyroコード
- ベルヌーイ分布
- 同時分布の設計
- 同時分布からのサンプリング
- Pyroコード
- カテゴリ分布
- 同時分布の設計
- 同時分布からのサンプリング
- pyroコード
- 正規分布
- 混合モデル
- ガウス混合モデル
- 同時分布からのサンプリング
- Pyroコード
- ディリクレ過程混合モデル（某折過程モデル）
- 同時分布からのサンプリング
- Pyroコード
- ガウス混合モデル
- 最後に
変分ベイズ法と償却推論：ローカルパラメータの効率的推論
- はじめに
- 変分ベイズ法あらまし
- 事後分布とその近似分布
- 第二種最尤推定
- ローカルパラメータとグローバルパラメータ
- グローバルパラメータ
- 一旦脱線：同時分布のモデリング
- ローカルパラメータ
- 償却推論
- ローカルパラメータの事後分布
- 変分パラメータを予測するモデルの導入
E資格で必須の特異値分解解説
- はじめに
- 特異値分解
- 定義
- 特異値分解の嬉しさ
- 行列の低ランク近似
- 主成分分析の解法
- 行列による増幅率を定義
- 特異値と特異ベクトルの実態
- 最後に
PyTorchの周辺ライブラリ
- PyTorch
- 確率的プログラミング
- GPyTorch
- Pyro
- BoTorch
- Ax
- Training Wrapper
- pytorch lightning
- ignite
- Catalyst
- skorch
- Computer Vision
- kaolin
- pytorch3d
- kornia
Pyro on PyTorchでベイズ予測分布（MAP推定、変分推論、MCMC）
- はじめに
- Pyroおさらい
- データ
- モデル
- MAP推定
- 変分推論
- 変分近似分布
- 推論
- 予測
- MCMC
- MCMCの実行
- 事後分布
- 予測分布
確率的プログラミング言語 pyro 基本
- はじめに
- Pyro
- primitives
- 確率変数の実現値 sample
- 条件付き独立のベクトル化 plate
- 階層モデル
- 変分パラメータを扱う param
- poutine
- モデルの様子を把握する trace
- 条件付き分布の作成 condition
- まとめと変分推論の例
Ubuntu 18.04にgit入れようとしてハマったこと
- はじめに
- 事象
- 対応
- 設定未完のパッケージ把握
- パッケージの設定を実施
- 設定できなかったパッケージの削除
Variational Gaussian Process と Deep Neural Netの回帰の比較
- はじめに
- 連続で滑らかな関数の近似
- データ
- Gaussian Process
- ニューラルネット
- 不連続な関数
- データ
- Gaussian Process
- ニューラルネット
ニューラルネットワークを用いた近年の変分推論２
- はじめに
- ベイズ推論基本
- ベイズ推論
- ベイズ予測分布
- 変分推論
- 変分推論のアルゴリズム
- Normalizing Flows
- 確率分布の変換規則
- 変分推論への組み込み
- 具体的な変換の例
- planner flow
- radius flow
- inverse autoregressive flow
- flow VAE
- VAE 基本
- flow VAE
確率的プログラミング言語 Pyro vs TensorFlow Probability
- モデルの書き方
- edward2
- pyro
- tfp
- 対数同時確率の得方
- edward2
- pyro
- tfp
TensorFlow probabilityでレプリカ交換モンテカルロ法
- はじめに
- データ
- モデル
- 遷移核
- あとは回すだけ
