Elementy wnioskowania przyczynowego: Podstawy i algorytmy uczenia się

Opinie czytelników

Książka jest chwalona za przydatną treść i wysokiej jakości format fizyczny, szczególnie atrakcyjny dla osób zaznajomionych z koncepcjami uczenia maszynowego. Istnieją jednak poważne obawy dotyczące jakości produkcji, zwłaszcza w odniesieniu do formatowania Kindle.

Wysokiej jakości fizyczna kopia, dobrej jakości papier, kolorowe rysunki, służy użytecznej niszy we wnioskowaniu przyczynowym przy użyciu notacji uczenia maszynowego, znanej tym, którzy uczyli się z „Elements of Statistical Learning”.

Słaba kontrola jakości z takimi problemami jak okładka książki do góry nogami, okropne formatowanie Kindle z nieczytelnymi symbolami.

(na podstawie 5 opinii czytelników)

Oryginalny tytuł:

Elements of Causal Inference: Foundations and Learning Algorithms

Zawartość książki:

Zwięzłe i samodzielne wprowadzenie do wnioskowania przyczynowego, coraz ważniejszego w nauce o danych i uczeniu maszynowym.

Matematyzacja przyczynowości jest stosunkowo nowym zjawiskiem i staje się coraz ważniejsza w nauce o danych i uczeniu maszynowym. Ta książka oferuje zwięzłe i zwięzłe wprowadzenie do modeli przyczynowych i sposobów uczenia się ich z danych.

Po wyjaśnieniu potrzeby modeli przyczynowych i omówieniu niektórych zasad leżących u podstaw wnioskowania przyczynowego, książka uczy czytelników, jak korzystać z modeli przyczynowych: jak obliczać rozkłady interwencji, jak wnioskować o modelach przyczynowych z danych obserwacyjnych i interwencyjnych oraz jak idee przyczynowe mogą być wykorzystywane w klasycznych problemach uczenia maszynowego. Wszystkie te tematy zostały omówione najpierw w kontekście dwóch zmiennych, a następnie w bardziej ogólnym przypadku wielu zmiennych. Przypadek dwuwymiarowy okazuje się być szczególnie trudnym problemem dla uczenia przyczynowego, ponieważ nie ma w nim warunkowej niezależności wykorzystywanej przez klasyczne metody rozwiązywania przypadków wielowymiarowych. Autorzy uważają analizę statystycznej asymetrii między przyczyną a skutkiem za bardzo pouczającą i opisują dekadę swoich intensywnych badań nad tym problemem.

Książka jest przystępna dla czytelników z doświadczeniem w uczeniu maszynowym lub statystyce i może być wykorzystywana na kursach podyplomowych lub jako odniesienie dla naukowców. Tekst zawiera fragmenty kodu, które można kopiować i wklejać, ćwiczenia oraz dodatek z podsumowaniem najważniejszych pojęć technicznych.