bakfoo

from collections import Counter
import sys
import time
import ray
""" This script is meant to be run from a pod in the same Kubernetes namespace
as your Ray cluster.
"""


@ray.remote

bakfoo

# Job to submit a Ray program from a pod outside a running Ray cluster.
apiVersion: batch/v1
kind: Job
metadata:
  name: ray-test-job
spec:
  template:
    spec:
      restartPolicy: Never
      containers:

bakfoo

bakfoo

make examples/bernoulli/bernoulli
cd examples/bernoulli/
./bernoulli sample data file=bernoulli.data.R
./bernoulli variational data file=bernoulli.data.R

bakfoo

> print(rats_fit)
Inference for Stan model: rats.
4 chains, each with iter=1000; warmup=500; thin=1; 
post-warmup draws per chain=500, total post-warmup draws=2000.

                 mean se_mean    sd    2.5%     25%     50%     75%   97.5% n_eff Rhat
alpha[1]       239.90    0.07  2.70  234.72  238.03  239.90  241.71  245.11  1595 1.00
alpha[2]       247.89    0.06  2.78  242.43  246.02  247.94  249.74  253.40  2000 1.00
alpha[3]       252.53    0.06  2.76  247.12  250.71  252.57  254.35  257.86  1838 1.00
alpha[4]       232.53    0.06  2.71  227.16  230.69  232.56  234.40  237.75  1797 1.00

bakfoo

y <- read.table('https://raw.github.com/wiki/stan-dev/rstan/rats.txt', header = TRUE)
x <- c(8, 15, 22, 29, 36)
xbar <- mean(x)
N <- nrow(y)
T <- ncol(y)
data <- list(y=y, x=x, xbar=xbar, N=N, T=T)

rats_model <- stan_model(file = "https://raw.githubusercontent.com/stan-dev/example-models/master/bugs_examples/vol1/rats/rats.stan")

#NUTS

bakfoo

PyCon Jp 2015「エンジニアのためのベイズ推定入門」要項

0 チュートリアル環境の構築前の注意

確率論的プログラミングはまだ若い分野ですので，計算環境の構築方法が成熟していません．チュートリアルではpymc3やpystanを利用しますが，それらの開発者は基本的にUbuntuにAnaconda Pythonを利用してるので，まともに動作する環境はどうしてもUbuntu + Anacondaが中心になってしまいます．以下に構築前の注意を列挙します．

• Windowsで確率論的プログラミングを行うことは，pymc3のtheanoのGPUの問題，pystanのプロセス制限の問題等，制約が多すぎて困難な道となります．Windowsを利用する場合，VMWare, VirtualBox, Vagrant等の仮想環境またはDocker等のコンテナ技術を利用してLinuxを用意するほうが精神衛生上望ましいと考えています．
• Python環境の構築はAnacondaディストリビューションを前提とします．素のPythonから確率論的プログラミングの環境を構築することは，数々の罠に嵌まる可能性が否定できませんので推奨できません．
• もしも，チュートリアル当日までに環境を構築できなくても問題ありません．チュートリアルはJupyter Notebookで行いますので，Docker Imageを用意するか，JupyterHub等によりWebブラウザからチュートリアルマテリアルにアクセスし実行できるようにします．
• 皆様には大変申し訳ございませんが，JupyterHubが技術的理由により用意できませんでした．お詫びを申しあげます．代わりに以下のnbviewerで代替させていただきます．