Książka INFERENCIA CAUSAL Y DESCUBRIMIENTO EN PYTHON MOLAK

INFERENCIA CAUSAL Y DESCUBRIMIENTO EN PYTHON

Autor: MOLAK, ALEKSANDER
Język: Hiszpański
Oprawa: Książka
Wydawca: ANAYA MULTIMEDIA
Dostępność: 50 % szansa
Przeszukamy cały świat
217.77
En comparación con el aprendizaje automático tradicional y las estadísticas, los métodos causales pr...

Informacje o książce

Autor
Język
Hiszpański
Oprawa
Książka - Książka
Data wydania
2024
strony
432
EAN
9788441549203
Enbook ID
44776012
Waga
790

Pełny opis

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.

Możesz być zainteresowany

203.50

Knockout

Suzanne Somers
61.50
244.44

Letting Them Die

Catherine Campbell
119.75
128.31

Capturing Campaign Dynamics

Kathleen Hall Jamieson
597.04

Industrial Pollution

Paul G. Appleton
626.07
61.50
204.78
104.99
641.42
108.53

Pharaoh's Cat

Maria Luisa Lang
37.48

Vacances-catastrophe

Brigit Rousselot-Thomas
41.03

Klienci, którzy kupili tę książkę, kupili również

Harry Houdini

MARIA ISABEL SANCHEZ
44.86
125.17
107.84
54.31
120.54
110.60
50.47

To Me Is Your Return

Jhanghiz Syahrivar
76.55

Kens

Raziel Reid
61.50

Canadian Heroine

Harry Coghill
57.07
113.06

Ukrytý poklad

Violet Oaklander
62.38

These Burning Stars

Bethany Jacobs
43.49
174.17

Carrie Soto Is Back

Taylor Jenkins Reid
35.91
122.80

Never Flinch

KING STEPHEN
63.17

Silent's Teacher

Peggy Winnett
129.89