Mastering Probabilistic Graphical Models using Python
Ankur Ankan, Abinash Panda
- Editorial
- Packt
- Año
- 2015
- Páginas
- ~284
- Nivel
- Avanzado
De qué trata
Tratado avanzado de inteligencia artificial probabilística y razonamiento bajo incertidumbre escrito por Ankur Ankan y Abinash Panda, publicado por Packt en 2015. Utiliza la librería de Python pgmpy.
Examina redes bayesianas, redes de Markov, inferencia exacta (algoritmo de eliminación de variables, propagación de creencias) e inferencia aproximada con muestreo de Monte Carlo vía cadenas de Markov (MCMC), y aprendizaje de parámetros y estructuras a partir de datos.
Los autores, mantenedores principales de pgmpy, combinan una rigurosa fundamentación matemática con aplicaciones en diagnóstico médico y análisis de riesgos. Imprescindible para investigadores en estadística computacional e IA formal.
- Modelos Gráficos Probabilísticos
- Redes Bayesianas
- pgmpy
- Inferencia Exacta
- MCMC
- Packt
¿Cómo enseña?
Teoría + práctica
- ✓ Incluye ejercicios
- ✓ Incluye proyectos
Proyectos
Sistema Experto de Diagnóstico Médico con Redes Bayesianas
Modelado de relaciones de causalidad probabilística entre síntomas y enfermedades con inferencia de variables ocultas en pgmpy.
