★確率的プログラミング言語がすぐに使える！★・Pythonでのコーディングを前提に、PyMC3、Pyro、NumPyro、TFP、GPyTorchをカバー。
・回帰モデルの基本から潜在変数モデル・深層学習モデルまでを幅広く解説。
【主な内容】第1章 ベイジアンモデリングとは1.1 データ解析とコンピュータ1.2 ベイジアンモデリングの基礎1.3 代表的な確率分布1.4 近似推論手法第2章 確率的プログラミング言語（PPL）2.1 ベイジアンモデリングとPPL2.2 自動微分・最適化アルゴリズム2.3 PyMC3の概要2.4 Pyroの概要2.5 NumPyroの概要2.6 TensorFlow Probabilityの概要2.7 GPyTorchの概要第3章 回帰モデル3.1 線形回帰モデル:線形単回帰モデル3.2 線形回帰モデル:線形重回帰モデル3.3 一般化線形モデル:ポアソン回帰モデル3.4 一般化線形モデル:ロジスティック回帰モデル3.5 階層ベイズモデル3.6 ガウス過程回帰モデル:ガウス尤度3.7 ガウス過程回帰モデル:尤度の一般化第4章 潜在変数モデル4.1 混合ガウスモデル4.2 行列分解モデル4.3 状態空間モデル4.4 隠れマルコフモデル4.5 トピックモデル4.6 ガウス過程潜在変数モデル第5章 深層学習モデル5.1 ニューラルネットワーク回帰モデル5.2 変分自己符号化器5.3 PixelCNN5.4 深層ガウス過程5.5 正規化流