- はじめに
- 混合モデル
- 単一分布おさらい
- 混合モデル
- ガウス混合モデル
- ポアソン混合モデル
- 混合モデルの事後分布
- 更に階層を増やす
- 最後に
確率モデリングと事後分布、事前分布、超パラメータ
- はじめに
- 例題：正規分布に従っているように見えるデータ $X$ の推論
- モデリング再考
- 事後分布を書き下す
- 事前分布と超パラメータ
- グラフィカルモデルの標準的な表記
- 例題：時系列モデル
- 時系列データのグラフィカルモデル
- 最後に
確率モデリングのための確率分布の式変形基本【ベイズの定理/グラフィカルモデル】
- はじめに
- 確率モデリング
- 確率変数間の関係性記述
- ベイズの定理と条件付き分布
- 関係性の記述と事後分布の導出
- いろいろなパターンの練習
- パターン１
- パターン2
- 同時分布とグラフィカルモデル
- 基本事項
- すべて互いに関連
- すべて互いに独立
- 有向グラフ化
- 関連を断ち切ることによるモデリング
- 基本事項
- 最後に
Optimal control to reinforcement learning
- introduction
- Optimal control
- What is control problem?
- optimal control
- system equation
- solve the optimal control problem
- value function
- belman principle of optimality
- Belman equation for reinforcement learning
- Prepare for belman equation
- system equation for random variables
- simple belman equation to actual belman equation
jaxのautogradをpytorchのautogradと比較、単回帰まで（速度比較追加）
- はじめに
- 使う関数
- autograd with pytorch
- autograd with jax
- Jax で単回帰
Pyro on PyTorch の時系列モデリングが超進化していた【HMM】
- はじめに
- Pyroで時系列モデリング
- モジュールのインポート
- データ
- 時系列モデルの書き方
- 学習
- 検証（バックテスト）
- 予測
【PyTorch入門】Tensorの扱いから単回帰まで
- はじめに
- Tesnor型
- dtype
- その他の重要メソッド
- empty
- to
- numpy
- detach
- clone
- inplace
- t
- reshape と view
- 自動微分
- torch.autograd.grad 関数
- backwardメソッド
- 単回帰モデル
- 最後に
NumPyroとJax Numpyで時系列
- はじめに
- コード
- モジュール
- データ
- モデル
- 事前分布からのサンプリング
- 推論 結果
Jaxでガウス過程 + NumPyroでハイパーパラメータ推論
- モジュール
- データ
- ガウス過程
- カーネル関数
- 予測
- 決め打ちハイパーパラメータでの予測
- MCMC でのハイパーパラメータ推論
- モデル
- 事前分布からのサンプリング
- 事後分布の推論
- 予測分布
- ガウス過程関連の記事
【Jax, Numpyro】Regression Model practice
- はじめに
- Simple regression
- prior sampling
- toy data
- inference by NUTS
- result
- predictive distribution
- Robust Regression
- toy data
- Robust regression model
- inference and result
- predictive
- 最後に
【Jax NumPyro vs PyTorch Pyro】階層ベイズモデルMCMC対決
- はじめに
- データ
- モデル
- Pyro
- NumPyro
- おまけ（推論結果）
【PyTorch・Pyro】モデリングレシピ
- 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
