◆◆数式とコードの距離が近いJuliaで一生モノの考え方を身につけよう！◆◆線形代数、微積分、最適化、確率・統計の基本的な計算から、ハミルトニアンモンテカルロ法、階層ベイズ、状態空間モデルの原理までをていねいに解説！[サポートページ]https://github.com/sammy-suyama/JuliaBayesBook[主な内容]第1章　Juliaの基礎1.1　Juliaとは1.2　基本文法1.3　パッケージの利用1.4　グラフの描画第2章　数値計算の基礎2.1　ベクトル・行列計算2.2　統計量の計算2.3　統計量と確率分布のパラメータ2.4　微分計算2.5　関数の最適化2.6　最適化によるカーブフィッティング2.7　積分計算第3章　確率計算の基礎3.1　表を使った確率計算3.2　式を使った確率計算3.3　連続値における周辺分布と条件付き分布3.4　確率的試行のシミュレーション第4章　確率分布の基礎4.1　確率分布とは4.2　Juliaでの確率分布の扱い（Distributions.jl）4.3　離散型確率分布4.4　連続型確率分布4.5　統計モデルの設計第5章　統計モデリングと推論5.1　ベルヌーイモデル5.2　線形回帰5.3　ロジスティック回帰モデル第6章　勾配を利用した近似推論手法6.1　なぜ勾配を利用するのか6.2　ラプラス近似6.3　ハミルトニアンモンテカルロ法第7章　発展的な統計モデル7.1　ポアソン回帰7.2　階層ベイズモデル7.3　状態空間モデル