-
Język
-
Strefa klienta
-
Koszyk ( 0 )
-
Wnioskowanie i związki przyczynowe w Pythonie. Nowoczesne uczenie maszynowe z wykorzystaniem bibliotek DoWhy, EconML, PyTorch i
| Wysyłka w ciągu | 48 godzin | ||||||
| Cena przesyłki |
13.99
|
||||||
| Dostępność |
|
||||||
| Waga | 0.68 kg |
| Kod kreskowy | |
| ISBN | 978-83-289-0832-1 |
| EAN | 9788328908321 |
Zamówienie telefoniczne: 506 500 540
| Zostaw telefon |
- Opis
- Parametry
- Opinie i oceny (0)
- Zadaj pytanie
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
| Autor | Aleksander Molak |
| Format | 16,5x23,5 |
| Oprawa | Miękka |
| Seria | Helion |
| Stron | 421 |
| Tłumaczenie | Radosław Meryk |
| Tytuł oryginalny | Causal Inference and Discovery in Python: Unlock the secrets of modern causal machine learning with DoWhy, EconML, PyTorch and more |
- Produkty podobne
|
I odbierz 5% RABATU na pierwsze zakupy |
|
