O projeto Julia Language
Esta página contém os detalhes de um projeto de redação técnica aceito para a
Google Season of Docs.
Resumo do projeto
- Organização de código aberto:
- A linguagem Julia
- Redator técnico:
- Liza
- Nome do projeto:
- Inferência bayesiana para processos gaussianos
- Duração do projeto:
- Duração padrão (três meses)
Project description
Quero desenvolver e aprender por conta própria um material fácil de começar que permita a inferência bayesiana para processos gaussianos (GPs, na sigla em inglês) usando o ecossistema da Julia.
Resumo:
- O que são modelos não paramétricos e, em particular, GPs
- Exemplo simples de ajuste de curva unidimensional, ou seja, dado um conjunto de pares (x_i, y_i) como ajustar f(x)=y
- Discutir diferentes kernels: exponencial ao quadrado, Matern, linear, composições
- Um exemplo 2D mais complexo, que modela dados espaciais
Exceto em caso de indicação contrária, o conteúdo desta página é licenciado de acordo com a Licença de atribuição 4.0 do Creative Commons. Para mais detalhes, consulte as políticas do site do Google Developers. Java é uma marca registrada da Oracle e/ou afiliadas.
Última atualização 2024-11-08 UTC.
[null,null,["Última atualização 2024-11-08 UTC."],[[["This Google Season of Docs project focuses on creating introductory materials for Bayesian inference for Gaussian Processes using the Julia programming language."],["The project will cover fundamental concepts of non-parametric models and Gaussian Processes, along with practical examples of curve fitting and spatial data modeling."],["Various kernel functions, such as squared exponential, Matern, and linear, will be explored to demonstrate their impact on model performance."],["The project aims to provide accessible resources for users to learn and apply Bayesian inference techniques with Gaussian Processes in Julia."]]],["The project, titled \"Bayesian inference for Gaussian Processes,\" involves creating educational material on using Julia's ecosystem for Bayesian inference with Gaussian processes (GPs). The project will cover non-parametric models, one-dimensional curve fitting examples with various kernels (squared exponential, Matern, linear), and a 2D spatial data modeling example. It will be developed by technical writer Liza over a standard 3-month period for The Julia Language open-source organization.\n"]]
