发现与 Bayesian Per 相关的最受欢迎的开源项目和工具，了解最新的开发趋势和创新。
俗称“黑客的贝叶斯方法”：一本从计算和理解入手，数学理论放在第二位的贝叶斯方法和概率编程入门教程。所有内容都使用纯Python实现；）
使用NumPy进行机器学习
一个开源的AutoML工具包，用于自动化机器学习生命周期，包括特征工程、神经网络架构搜索、模型压缩和超参数调整。
沉浸在深度学习、强化学习、机器学习、计算机视觉和自然语言处理的世界中，通过这些精彩的讲座学习吧！
Python中的贝叶斯模型和概率编程
使用Python和PyTorch进行深度通用概率编程
使用scikit-learn进行自动化机器学习
DoWhy是一个Python库，用于因果推断，支持对因果假设进行显式建模和检验。DoWhy基于统一的因果推断语言，结合了因果图模型和潜在结果框架。
TensorFlow中的一种概率编程语言，用于深度生成模型和变分推断。
TensorFlow中的概率推理和统计分析
大规模并行深度强化学习
一个用于学习（结构和参数）、推理（概率和因果）以及贝叶斯网络模拟的Python库。
一个简洁、健壮且统一的PyTorch实现，涵盖了流行的深度强化学习(DRL)算法，包括Q学习、双重DDQN、优先经验回放(PER)、C51、噪声DQN、近端策略优化(PPO)、深度确定性策略梯度(DDPG)、TD3、软演员评论家(SAC)和优势学习(ASL)。
斯坦福大学CS221人工智能课程的VIP速查表
基于JAX的概率编程与NumPy结合，支持自动微分和GPU/TPU/CPU的即时编译。
Python 中快速简单的无限神经网络
一个Python库，帮助数据科学家推断因果关系，而不是仅仅观察相关性。
一个基于TensorFlow的概率编程库，用于贝叶斯深度学习和生成模型。
基于概率编程的贝叶斯推理
TensorFlow中的高斯过程
