• INFERENCIA Y DESCUBRIMIENTO CAUSAL EN PYTHON

    DESCUBRA LOS SECRETOS DEL MACHINE LEARNING CAUSAL MODERNO CON DOWHY, ECONML, PYT

    MOLAK, ALEKSANDER ANAYA MULTIMEDIA Ref. 9788441549203 Altres productes de la mateixa col·lecció Altres productes del mateix autor
    En comparación con el aprendizaje automático tradicional y las estadísticas, los métodos causales presentan desafíos únicos. Aprender causalidad puede ser difícil, pero ofrece distintas ventajas que escapan a una mentalidad puramente estadística. Este libro ayuda a liberar todo el potencial de la ca...
    Dimensions: 230 x 190 x 25 mm Peso: 779 gr
    Disponible
    37,95 €
  • Descripció

    • ISBN : 978-84-415-4920-3
    • Data d'edició : 01/04/2024
    • Any d'edició : 2024
    • Idioma : Español, Castellano
    • Autors : MOLAK, ALEKSANDER
    • Traductors : ARANDA GONZÁLEZ, VIRGINIA
    • Nº de pàgines : 432
    • Col·lecció : TÍTULOS ESPECIALES

    En comparación con el aprendizaje automático tradicional y las estadísticas, los métodos causales presentan desafíos únicos. Aprender causalidad puede ser difícil, pero ofrece distintas ventajas que escapan a una mentalidad puramente estadística. Este libro ayuda a liberar todo el potencial de la causalidad.

    El libro comienza con las motivaciones básicas del pensamiento causal y una completa introducción a conceptos causales pearlianos, como los modelos causales estructurales, las intervenciones, los contrafactuales, etc. Cada concepto va acompañado de una explicación teórica y una serie de ejercicios prácticos con código Python. A continuación, entra de lleno en el mundo de la estimación del efecto causal, y avanza hacia los métodos de aprendizaje automático modernos.

    Paso a paso, descubrirás el ecosistema causal de Python y aprovecharás la potencia de los algoritmos más avanzados. Además, explorarás la mecánica de las huellas que dejan las causas y descubrirás las cuatro familias principales de métodos de descubrimiento causal. El capítulo final ofrece una amplia visión general del futuro de la IA causal, con un examen de retos y oportunidades y una exhaustiva lista de recursos para seguir aprendiendo cada vez más.

    Entre otras cosas, este libro permite:

    * Dominar los conceptos fundamentales de la inferencia causal.

    * Liberar el potencial del proceso de inferencia causal en cuatro pasos de Python.

    * Explorar avanzadas técnicas de modelado uplift o de elevación.

    * Descubrir los secretos del descubrimiento causal moderno con Python.

    * Utilizar la inferencia causal para producir impacto social y beneficios para la comunidad.

Aquest lloc web emmagatzema dades com galetes per habilitar la funcionalitat necessària de el lloc, inclosos anàlisi i personalització. Podeu canviar la seva configuració en qualsevol moment o acceptar els paràmetres per defecte.

política de cookies

Essencials

Les galetes necessàries ajuden a fer una pàgina web utilitzable activant funcions bàsiques com la navegació a la pàgina i l'accés a àrees segures de la pàgina web. La pàgina web no pot funcionar adequadament sense aquestes galetes.


Personalització

Les galetes de personalització permeten a la pàgina web recordar informació que canvia la forma en què la pàgina es comporta o l'aspecte que té, com el seu idioma preferit o la regió en la qual vostè es troba.


Anàlisi

Les galetes estadístiques ajuden als propietaris de pàgines web a comprendre com interactuen els visitants amb les pàgines web reunint i proporcionant informació de forma anònima.


Marketing

Les galetes de màrqueting s'utilitzen per rastrejar als visitants en les pàgines web. La intenció és mostrar anuncis rellevants i atractius per a l'usuari individual, i per tant, més valuosos per als editors i tercers anunciants.