The Bayesian method is the natural approach to inference, yet it is hidden from readers behind chapters of slow, mathematical analysis. The typical text on Bayesian inference involves two to three chapters on probability theory, then enters what Bayesian inference is. Unfortunately, due to mathematical intractability of most Bayesian models, the reader is only shown simple, artificial examples. This can leave the user with a so-what feeling about Bayesian inference. In fact, this was the author's own prior opinion.

我也是找了好久，英文“Probabilistic Programming and Bayesian Methods for Hackers”，2分分享给大家，http://www.cnblogs.com/hxsyl/

count-min-sketch：C语言中的最小计数草图实现

| | Pyro是一个基于PyTorch的灵活，可扩展的深度概率编程库。 值得注意的是，它的设计考虑了以下原则： 通用：Pyro是通用PPL-它可以表示任何可计算的概率分布。 可扩展：与手写代码相比，Pyro可以以较小的开销扩展到大型数据集。 最小：Pyro是敏捷且可维护的。 它以功能强大且可组合的抽象的小核心实现。 灵活：Pyro的目标是在需要时实现自动化，在需要时进行控制。 这是通过高级抽象来表达生成模型和推理模型来完成的，同时使专家可以轻松访问以定制推理。 Pyro最初是由Uber AI开发的，现在由社区贡献者（包括的专门团队）积极维护。 在2019年，Pyro Linux Foundation的一个项目，这是一个在开源软件，开放标准，开放数据和开放硬件上进行协作的中立空间。 有关Pyro的高级动机的更多信息，请查看我们的。 有关其他博客文章，请查看Pyro中有关和工作。 正在安装 安装稳定的Pyro版本 使用pip安装： Pyro支持Python 3.6+。 pip install pyro-ppl 从源安装： git clone git@github.c

Practical Probabilistic Programming.pdf 由manning出版社出版，对应中文版翻译书为：《概率编程实战》。是概率编程入门绝佳的好资料。 该书介绍了什么是概率编程，和一个概率编程系统Figaro，该框架基于scala，易于扩展，支持多数常用概率推理算法。

元概率 嵌入的一种用于概率编程和元编程的语言。 注意：Metaprob当前是不稳定的研究原型，几乎没有文档，而且测试覆盖率很低。 同样，将来的版本可能与此版本不向后兼容。 我们不建议将其用于基础研究以外的任何目的，并且尚不能为MIT概率计算项目之外的用户提供支持。 主要特征 可以通过生成代码表示模型，即可以随机选择的普通代码 模型也可以通过近似表示，例如具有非平凡权重的重要性采样器 定制推理算法可以通过反射性语言结构以用户空间代码编写，用于： 跟踪程序执行 使用部分跟踪来指定干预和约束 通用推理算法是通过标准库中的用户空间代码提供的； 添加新算法不需要修改语言实现 所有推理算法都是普通的生成代码，可以作为模型进行跟踪和处理 新的概率分布和推理算法是一流的公民，可以在程序执行期间动态创建 动机 概率编程和推理元编程的轻量级嵌入 基于浏览器的交互式数据分析工具（通过 ） 适用于企业部署的智能数据管道（通过JVM上的Clojure） “小核心”语言可能适合正式规范和验证 教学 有兴趣实施自己的最低PPL的本科生和研究生 对概率建模和推理感兴趣的软件工程师和数据工程师 人工智能与认知