×
Dodano do koszyka:
Pozycja znajduje się w koszyku, zwiększono ilość tej pozycji:
Zakupiłeś już tę pozycję:
Książkę możesz pobrać z biblioteki w panelu użytkownika
Pozycja znajduje się w koszyku
Przejdź do koszyka

Zawartość koszyka

ODBIERZ TWÓJ BONUS :: »

Wnioskowanie i związki przyczynowe w Pythonie. Nowoczesne uczenie maszynowe z wykorzystaniem bibliotek DoWhy, EconML, PyTorch i nie tylko

(ebook) (audiobook) (audiobook)
Wydawnictwo:
Helion
Wydawnictwo:
Helion
Ocena:
Stron:
421
Druk:
oprawa miękka
Dostępne formaty:
     PDF
     ePub
     Mobi
Czytaj fragment

Książka (87,20 zł najniższa cena z 30 dni)

109,00 zł (-20%)
87,20 zł

Powiadom mnie, gdy książka będzie dostępna

Dodaj do koszyka

Przedsprzedaż Realizacja zamówień od 2024-05-28

(87,20 zł najniższa cena z 30 dni)

Wysyłamy towar w ciągu 24h licząc od dnia premiery

Ebook (70,85 zł najniższa cena z 30 dni)

109,00 zł (-35%)
70,85 zł

Powiadom mnie, gdy książka będzie dostępna

Dodaj do koszyka lub Kup na prezent Kup 1-kliknięciem

Przedsprzedaż Realizacja zamówień od 2024-05-28

(70,85 zł najniższa cena z 30 dni)

eBook w Twojej bibliotece dostępny będzie w dniu premiery

Przenieś na półkę

Do przechowalni

Do przechowalni

Powiadom o dostępności audiobooka »

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

Wybrane bestsellery

O autorze książki

Aleksander Molak jest niezależnym badaczem i konsultantem w dziedzinie uczenia maszynowego. Współpracował z licznymi firmami w Europie, USA i Izraelu, gdzie uczestniczył w tworzeniu wielkoskalowych systemów uczenia maszynowego. Jest też współzałożycielem firmy Lespire.io, dostawcy szkoleń z zakresu sztucznej inteligencji dla zespołów korporacyjnych. 

Helion - inne książki

Zamknij

Przenieś na półkę

Proszę czekać...
ajax-loader

Zamknij

Wybierz metodę płatności

Zamknij Pobierz aplikację mobilną Ebookpoint