برنامه‌نویسی احتمالی عملی ۲۰۱۶
Practical Probabilistic Programming 2016

کتاب برنامه‌نویسی احتمالی عملی برنامه‌نویسان حرفه‌ای را با برنامه‌نویسی احتمالی آشنا می‌کند. در این کتاب، یاد خواهید گرفت که چگونه از این الگو برای مدل‌سازی حوزه‌های کاربردی و سپس بیان این مدل‌های احتمالی در کد استفاده کنید. اگرچه برنامه‌نویسی احتمالی ممکن است انتزاعی به نظر برسد، اما در این کتاب مستقیماً روی مثال‌های عملی کار خواهید کرد، مانند استفاده از زبان فیگارو برای ساختن یک فیلتر اسپم و به کارگیری شبکه‌های بیزی و مارکوف، برای تشخیص مشکلات داده در سیستم‌های کامپیوتری و بازیابی تصاویر دیجیتال.

خرید نسخه چاپی کتاب شامل دریافت رایگان نسخه الکترونیکی در قالب‌های PDF، Kindle و ePub از انتشارات Manning می‌باشد.

درباره‌ی فناوری

داده‌هایی که در مورد مشتریان، محصولات و کاربران وب‌سایت خود جمع‌آوری می‌کنید، نه تنها می‌توانند به شما در تفسیر گذشته کمک کنند، بلکه می‌توانند در پیش‌بینی آینده نیز یاری‌رسان باشند! برنامه‌نویسی احتمالی از کد برای استنتاج‌های احتمالی از داده‌ها استفاده می‌کند. با به کارگیری الگوریتم‌های تخصصی، برنامه‌های شما درجات احتمال را به نتایج اختصاص می‌دهند. این بدان معناست که می‌توانید رویدادهای آینده مانند روندهای فروش، خرابی سیستم‌های کامپیوتری، نتایج تجربی و بسیاری از نگرانی‌های مهم دیگر را پیش‌بینی کنید.

درباره‌ی کتاب

کتاب برنامه‌نویسی احتمالی عملی برنامه‌نویسان حرفه‌ای را با برنامه‌نویسی احتمالی آشنا می‌کند. در این کتاب، مستقیماً روی مثال‌های عملی کار خواهید کرد، مانند ساختن یک فیلتر اسپم، تشخیص مشکلات داده در سیستم‌های کامپیوتری و بازیابی تصاویر دیجیتال. استنتاج احتمالی را کشف خواهید کرد، جایی که الگوریتم‌ها به پیش‌بینی‌های گسترده‌تر درباره مسائلی مانند استفاده از رسانه‌های اجتماعی کمک می‌کنند. در این مسیر، یاد خواهید گرفت که چگونه از برنامه‌نویسی به سبک تابعی برای تجزیه و تحلیل متن، از مدل‌های شیءگرا برای پیش‌بینی پدیده‌های اجتماعی مانند گسترش توییت‌ها و از مدل‌های جهان باز برای سنجش استفاده واقعی از رسانه‌های اجتماعی استفاده کنید. این کتاب همچنین دارای فصل‌هایی در مورد چگونگی کمک مدل‌های احتمالی در تصمیم‌گیری و مدل‌سازی سیستم‌های پویا است.

مطالب داخل کتاب
* مقدمه‌ای بر مدل‌سازی احتمالی
* نوشتن برنامه‌های احتمالی در فیگارو
* ساخت شبکه‌های بیزی
* پیش‌بینی چرخه‌های عمر محصول
* الگوریتم‌های تصمیم‌گیری

درباره‌ی خواننده

این کتاب هیچ پیش‌زمینه‌ای در مورد برنامه‌نویسی احتمالی را فرض نمی‌کند. دانش اسکالا مفید است.

درباره‌ی نویسنده

آوی پفر توسعه‌دهنده اصلی زبان فیگارو برای برنامه‌نویسی احتمالی است.

فهرست مطالب
بخش 1: معرفی برنامه‌نویسی احتمالی و فیگارو
1. برنامه‌نویسی احتمالی در یک نگاه
2. یک آموزش سریع فیگارو
3. ایجاد یک برنامه کاربردی برنامه‌نویسی احتمالی

بخش 2: نوشتن برنامه‌های احتمالی
1. مدل‌های احتمالی و برنامه‌های احتمالی
2. مدل‌سازی وابستگی‌ها با شبکه‌های بیزی و مارکوف
3. استفاده از کالکشن‌های اسکالا و فیگارو برای ساخت مدل‌ها
4. مدل‌سازی احتمالی شیءگرا
5. مدل‌سازی سیستم‌های پویا

بخش 3: استنتاج
1. سه قانون استنتاج احتمالی
2. الگوریتم‌های استنتاج فاکتوری
3. الگوریتم‌های نمونه‌گیری
4. حل سایر وظایف استنتاج
5. استدلال پویا و یادگیری پارامتر

Practical Probabilistic Programming introduces the working programmer to probabilistic programming. In it, you’ll learn how to use the PP paradigm to model application domains and then express those probabilistic models in code. Although PP can seem abstract, in this book you’ll immediately work on practical examples, like using the Figaro language to build a spam filter and applying Bayesian and Markov networks, to diagnose computer system data problems and recover digital images.

Purchase of the print book includes a free eBook in PDF, Kindle, and ePub formats from Manning Publications.

About the Technology

The data you accumulate about your customers, products, and website users can help you not only to interpret your past, it can also help you predict your future! Probabilistic programming uses code to draw probabilistic inferences from data. By applying specialized algorithms, your programs assign degrees of probability to conclusions. This means you can forecast future events like sales trends, computer system failures, experimental outcomes, and many other critical concerns.

About the Book

Practical Probabilistic Programming introduces the working programmer to probabilistic programming. In this book, you’ll immediately work on practical examples like building a spam filter, diagnosing computer system data problems, and recovering digital images. You’ll discover probabilistic inference, where algorithms help make extended predictions about issues like social media usage. Along the way, you’ll learn to use functional-style programming for text analysis, object-oriented models to predict social phenomena like the spread of tweets, and open universe models to gauge real-life social media usage. The book also has chapters on how probabilistic models can help in decision making and modeling of dynamic systems.

What’s Inside

• Introduction to probabilistic modeling
• Writing probabilistic programs in Figaro
• Building Bayesian networks
• Predicting product lifecycles
• Decision-making algorithms

About the Reader

This book assumes no prior exposure to probabilistic programming. Knowledge of Scala is helpful.

About the Author

Avi Pfeffer is the principal developer of the Figaro language for probabilistic programming.

Table of Contents

PART 1 INTRODUCING PROBABILISTIC PROGRAMMING AND FIGARO
1. Probabilistic programming in a nutshell
2. A quick Figaro tutorial
3. Creating a probabilistic programming application

PART 2 WRITING PROBABILISTIC PROGRAMS

4. Probabilistic models and probabilistic programs
5. Modeling dependencies with Bayesian and Markov networks
6. Using Scala and Figaro collections to build up models
7. Object-oriented probabilistic modeling
8. Modeling dynamic systems

PART 3 INFERENCE

9. The three rules of probabilistic inference
10. Factored inference algorithms
11. Sampling algorithms
12. Solving other inference tasks
13. Dynamic reasoning and parameter learning