Opis: Wnioskowanie i związki przyczynowe w Pythonie. Nowoczesne uczenie maszynowe z wykorzystaniem bibliotek DoWhy, EconML, PyTorch i nie tylko - Aleksander Molak

W uczeniu maszynowym odkrywanie związków przyczynowych daje możliwości, jakich nie można uzyskać tradycyjnymi technikami statystycznymi. Najnowsze trendy w programowaniu pokazują, że przyczynowość staje się kluczowym zagadnieniem dla generatywnej sztucznej inteligencji. Niezbędna okazuje się więc znajomość grafów przyczynowych i zapytań konfrontacyjnych.



Dzięki tej książce łatwo przyswoisz teoretyczne podstawy i zaczniesz je płynnie wdrażać w rzeczywistych scenariuszach. Dowiesz się, w jaki sposób myślenie przyczynowe ułatwia rozwiązywanie problemów, i poznasz pojęcia Pearla, takie jak strukturalny model przyczynowy, interwencje, kontrfakty itp. Każde zagadnienie zostało dokładnie wyjaśnione i opatrzone zbiorem praktycznych ćwiczeń z kodem w Pythonie. Nauczysz się także implementować poszczególne modele i zrozumiesz, czym się kierować przy wyborze technik i algorytmów do rozwiązywania konkretnych scenariuszy przyczynowych. To przewodnik, który docenią szczególnie inżynierowie uczenia maszynowego i analitycy danych.



W książce:

• wnioskowanie związków przyczynowych


• budowa i działanie strukturalnych modeli przyczynowych


• czteroetapowy proces wnioskowania związków przyczynowych w Pythonie


• techniki modelowania efektu interwencji


• nowoczesne metody odkrywania związków przyczynowych za pomocą Pythona


• korzystanie z wnioskowania związków przyczynowych

Przyczyna i skutek, nic więcej. Pomyłki jako takie nie istnieją... - Jose Antonio Cotrina, hiszpański pisarz science fiction



 

Producent:
Helion SA
Kościuszki 1c
44-100 Gliwice (Polska)
tel: (32) 230-98-63
email: gpsr@grupahelion.pl

Szczegóły: Wnioskowanie i związki przyczynowe w Pythonie. Nowoczesne uczenie maszynowe z wykorzystaniem bibliotek DoWhy, EconML, PyTorch i nie tylko - Aleksander Molak

Tytuł: Wnioskowanie i związki przyczynowe w Pythonie. Nowoczesne uczenie maszynowe z wykorzystaniem bibliotek DoWhy, EconML, PyTorch i nie tylko
Autor: Aleksander Molak
Wydawnictwo: Helion
ISBN: 9788328908321
Tytuł oryginału: Causal Inference and Discovery in Python: Unlock the secrets of modern causal machine learning with DoWhy, EconML, PyTorch and more
Język oryginału: angielski
Tłumacz: Meryk Radosław
Języki: polski
Rok wydania: 2024
Ilość stron: 421
Format: 16.5 x 23.5 cm
Oprawa: Miękka
Waga: 0.53 kg

Recenzje: Wnioskowanie i związki przyczynowe w Pythonie. Nowoczesne uczenie maszynowe z wykorzystaniem bibliotek DoWhy, EconML, PyTorch i nie tylko - Aleksander Molak