Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej
Helion
Wysyłka:
Dzisiaj
Sugerowana cena
Nasza cena
55,01 PLN
Oszczędzasz 27%
Najniższa cena w ciągu ostatnich 30 dni: 54,24 zł
Wnioskowanie przyczynowe przydaje się w sytuacji, gdy trzeba określić wpływ decyzji biznesowej na konkretny wynik, na przykład wielkość sprzedaży. Działania te są dobrze znane nauce, ale dopiero od niedawna świat poznaje korzyści z ich zastosowania w branży technologicznej. Przyczyniły się do tego postępy w uczeniu maszynowym, automatyzacji procesów i danologii. Teraz, aby uzyskać wymierne korzyści, wystarczy kilka wierszy kodu w Pythonie.
Poznaj narzędzia najbardziej znanych analityków danych korzystających z Pythona! - prof. Nick Huntington-Klein, autor The Effect: An Introduction to Research Design and Causality
Tę książkę docenią w szczególności analitycy danych. Wyjaśniono w niej potencjał wnioskowania przyczynowego w zakresie szacowania wpływu i efektów w biznesie. Opisano klasyczne metody wnioskowania przyczynowego, w tym testy A/B, regresja liniowa, wskaźnik skłonności, metoda syntetycznej kontroli i metoda różnicy w różnicach, przy czym skoncentrowano się przede wszystkim na praktycznym aspekcie tych technik. Znalazło się tu również omówienie nowoczesnych rozwiązań, takich jak wykorzystanie uczenia maszynowego do szacowania heterogenicznych efektów. Każda metoda została zilustrowana opisem zastosowania w branży technologicznej.
W książce między innymi:
Poznaj narzędzia najbardziej znanych analityków danych korzystających z Pythona! - prof. Nick Huntington-Klein, autor The Effect: An Introduction to Research Design and Causality
Tę książkę docenią w szczególności analitycy danych. Wyjaśniono w niej potencjał wnioskowania przyczynowego w zakresie szacowania wpływu i efektów w biznesie. Opisano klasyczne metody wnioskowania przyczynowego, w tym testy A/B, regresja liniowa, wskaźnik skłonności, metoda syntetycznej kontroli i metoda różnicy w różnicach, przy czym skoncentrowano się przede wszystkim na praktycznym aspekcie tych technik. Znalazło się tu również omówienie nowoczesnych rozwiązań, takich jak wykorzystanie uczenia maszynowego do szacowania heterogenicznych efektów. Każda metoda została zilustrowana opisem zastosowania w branży technologicznej.
W książce między innymi:
- podstawy wnioskowania przyczynowego
- problemy biznesowe jako zagadnienia z obszaru wnioskowania przyczynowego
- eksperymenty geograficzne i eksperymenty z przełączaniem oddziaływania
- badanie błędu systematycznego
- modele graficzne i wizualizacja związków przyczynowych
Najlepsza książka poświęcona najnowocześniejszym metodom, działaniu na rzeczywistych danych i rozwiązywaniu praktycznych problemów! - Sean J. Taylor, główny badacz w Motif Analytics
Szczegóły
Autor: Matheus Facure
Wydawnictwo: Helion
ISBN: 9788328908819
Tytuł oryginału: Causal Inference in Python: Applying Causal Inference in the Tech Industry
Tłumacz: Tomasz Walczak
Języki: polski
Rok wydania: 2024
Ilość stron: 360
Format: 16.5 x 23.5 cm
Oprawa: Miękka
Waga: 0.53 kg