ベイズ確率理論や例によるグラフィカルモデルに関するチュートリアルはありますか？

Rでベイジアン確率理論を学習することへの参照を見てきましたが、おそらくPythonで特にこのようなものがあるのではないかと思っていましたか？ベイズ確率理論、推論、最尤推定、グラフィカルモデル、およびソートの学習を対象としていますか？

2012年1月下旬から、確率的グラフィカルモデルのトピックに関する10週間のコースがスタンフォード大学教授のダフネコラーによって無料でオンラインで開催されます。Andrew NGのMLコースの自然な継続と考えられており、AndrewのMLの近くにある場合は、絶妙な品質になるでしょう。

そこにもあるmathematicalmonkだ - 無料ユーチューブ動画 MLE、ベイズネットワークのような多くのトピックをカバーするには、彼らがより多くの数学重いです。

ai-classコースユニット3.xのAI確率と4.x確率的推論（http://www.ai-class.comでアカウントを作成すると、きれいなインターフェイスで表示される場合があります）

詳細：
http : //www.cs.ubc.ca/~murphyk/Bayes/bnintro.html
http://mtnwestrubyconf2007.confreaks.com/session03.html

ipythonノートブックと学習ベイジアンメソッドの優れた使用法は、ハッカーのための確率的プログラミングとベイジアンメソッドです。Ipython / Scipyスタックを使用している場合は、ノートブックをダウンロードして、サンプルコードをローカルで実行できます。対話型コンソールは、Pythonの学習、テスト、作成に最適です。

Ipython：http ://ipython.org/

ベイジアン統計の基本概念を本当に学びたいなら、間違いなくAndrew Gelmanによって書かれたベイジアンデータ分析を読むべきです。運動をすることをお勧めします。それから多くを学びます。ベイズ統計の計算を行うことは、確率的グラフィカルモデルを学習するための重要なステップです。あなたはベイジアンの概念に新入生のようです。基本的な概念を学んでおらず、ベイジアン数学的計算に精通していない場合は、確率的グラフィカルモデルを急いで読まないでください。Andrew Ngが提供するスタンフォード大学からのビデオ講義を読んだことがあるなら、あなたは私の提案を知っています。

このMOOC「飛行ロボットの自律航法」（https://www.edx.org/course/autonomous-navigation-flying-robots-tumx-autonavx-0）に出会いました。コースでは、インストラクターは参加者に自律航法のための飛行ロボットのプログラミング方法を（pythonで）教え、状態推定やその他の有用な手法（ノイズの多いセンサー入力のカルマンフィルタリングなど）にベイズ統計を活用します。良い点は、クラスで書いたコードがいくつかの市販の飛行ロボットで使用できるため、後でこれをもっと試して、ベイジアン状態推定を改善する方法を探すことができることです。

Ipython Notebook「確率的プログラミングとハッカーのためのベイジアン手法」については、私も強くお勧めします。これほどまでにアクセスしやすく包括的な導入の手引きに出くわしたことはなく、比較的短時間で多くのことを学びました！