⚠️ このページは機械翻訳されています
この日本語訳は機械翻訳によるもので、誤りや不自然な表現が含まれている場合があります。正確な内容については英語版をご参照ください。
This page was machine-translated and may contain errors. Please refer to the English version for accuracy.
誤りを見つけられた場合は、joseph.austerweil@gmail.com までご連絡いただくか、GitHub リポジトリにプルリクエストをお送りください。
入門トラック：確率 → 確率的ML → 確率的計算
軽い予備知識から始めて、確率的機械学習——ニューラルネットワーク、LLM、そして デプロイされたモデルの倫理まで——に本当に習熟したい読者のために。
読む順番
- Part I — 基礎：全章
- Part II — 道具（GenJAX）：全章
- Part III — 連続確率とベイズ学習：全章
- Part IV — 構造：一般化（最初の2パートで十分。シェパードの法則とNo Free Lunchのパートは認知科学トラックの深掘り）、ベイズネット、条件付き独立、 因果、情報理論、階層ベイズ
- Part V — 連鎖・ウォーク・サンプリング：マルコフ連鎖、ランダムウォーク、 モンテカルロ、粒子フィルタ、MCMC（記憶検索と「心をサンプリングする」は 認知科学バッジ付きの追加）
- Part VI — 意思決定とRL：意思決定理論、MDP、Q学習、POMDP、現代のRL （逆強化学習は認知科学バッジ付き）
- Part VII — モデルの複雑さ：全章——このPartはあなたのためにあります
- Part VIII — 深層ネットワーク：全章
- Part IX — 倫理・公平性・安全性：全章
トラック外の章も禁止ではありません——薄く表示されるだけです。🧠バッジの章が 面白そうなら、読んでください。
本プロジェクトは日本確率計算コンソーシアム協会（JPCCA）の助成を受けています。