Applied Causal Inference - Uday Kamath,Kenneth Graham,Mitchell Naylor
-35% su kodu BOOKS
Pristatymas per 10-16 d.d.
30 dienų grąžinimo politika
Recent advancements in causal inference have made it possible to gain profound insight about our world and the complex systems which operate in it. While industry professionals and academics in every domain ask questions of their data, traditional statistical methods often fall short of providing conclusive answers. This is where causality can help.This book gives readers the tools necessary to use causal i ... Visas aprašymas
Jums taip pat gali patikti
TOP
If Anyone Builds It, Everyone Dies: Why Superhuman AI Would Kill Us All
Eliezer Yudkowsky, Nate Soares
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
How To Think About AI: A Guide For The Perplexed
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Gödel, Escher, Bach: An Eternal Golden Braid
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
AI Engineering: Building Applications with Foundation Models
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Empire of AI: Dreams and Nightmares in Sam Altman's OpenAI
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Python Crash Course: A Hands-On, Project-Based Introduction to Programming
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
The Rust Programming Language
Steve Klabnik, Carol Nichols, Chris Krycho
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
How to Talk to AI: (And How Not To)
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
The Pragmatic Programmer: journey to mastery, 20th Anniversary Edition, 2/e: your journey to mastery, 20th Anniversary Edition
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Hackers. 25th Anniversary Edition: Heroes of the Computer Revolution
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
The Art of Game Design: A Book of Lenses
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
How Linux Works: What Every Superuser Should Know
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Hands-On Large Language Models: Language Understanding and Generation
Maarten Grootendorst, Jay Alammar
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Fundamentals of Software Architecture: A Modern Engineering Approach
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Speak Data: Artists, Scientists, Thinkers, and Dreamers on How We Live Our Lives in Numbers
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Slanted 47 Digital Tools: Slanted Magazine
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Clean Architecture: A Craftsman's Guide to Software Structure and Design
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
World of Warcraft Chronicle, Volume 2
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Linux Basics for Hackers, 2nd Edition: Getting Started with Networking, Scripting, and Security in Kali
-35% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
Aprašymas
Recent advancements in causal inference have made it possible to gain profound insight about our world and the complex systems which operate in it. While industry professionals and academics in every domain ask questions of their data, traditional statistical methods often fall short of providing conclusive answers. This is where causality can help.
This book gives readers the tools necessary to use causal inference in applied settings by building from theoretical foundations all the way to hands-on case studies in Python. We wrote this book primarily for the practitioner who knows how to work with data but may not be familiar with causal inference concepts, or how to apply those concepts to real-world problems.
Part 1 of the book builds from the basic principles of causal inference to the estimation process and into causal discovery, with accompanying exercises and case studies to reinforce concepts. In Parts 2 and 3, we go deeper into cutting-edge applications of causality in machine learning domains, including computer vision, natural language processing, reinforcement learning, and model fairness. The combination of these focuses makes this book a perfect entrypoint into the world of causality for any machine learning professional.
Daugiau informacijos
| Autorius | Uday Kamath, Kenneth Graham, Mitchell Naylor |
|---|---|
| Leidėjas | Amazon Digital Services LLC - Kdp |
| Išleidimo metai | 2023 |
| Viršelio tipas | Minkšti viršeliai |
| EAN | 9798854825696 |