Wnioskowanie i związki przyczynowe w Pythonie

Odkrywanie związków przyczynowych w uczeniu maszynowym oferuje możliwości, które wykraczają poza tradycyjne metody statystyczne. Współczesne kierunki w programowaniu wskazują na rosnącą rolę przyczynowości w kontekście generatywnej sztucznej inteligencji, co sprawia, że znajomość grafów przyczynowych i umiejętność formułowania zapytań konfrontacyjnych staje się nieodzowna.

Ta książka w przystępny sposób wprowadzi Cię w fundamenty teoretyczne, umożliwiając ich zastosowanie w praktycznych sytuacjach. Odkryjesz, jak myślenie przyczynowe może ułatwić rozwiązywanie problemów oraz zapoznasz się z koncepcjami Pearla, w tym z modelami strukturalnymi, interwencjami i kontrfaktami. Każde pojęcie jest przedstawione szczegółowo i poparte zestawem ćwiczeń praktycznych z użyciem języka programowania Python. Nauczysz się implementować różne modele oraz dowiesz, jak dobierać odpowiednie metody i algorytmy do określonych wyzwań przyczynowych. Przewodnik ten z pewnością zostanie doceniony przez inżynierów uczenia maszynowego i analityków danych.