W uczeniu maszynowym odkrywanie zwi±zków przyczynowych daje mo¿liwo¶ci, jakich nie mo¿na uzyskaæ tradycyjnymi technikami statystycznymi. Najnowsze trendy w programowaniu pokazuj±, ¿e przyczynowo¶æ staje siê kluczowym zagadnieniem dla generatywnej sztucznej inteligencji. Niezbêdna okazuje siê wiêc znajomo¶æ grafów przyczynowych i zapytañ konfrontacyjnych.
Dziêki tej ksi±¿ce ³atwo przyswoisz teoretyczne podstawy i zaczniesz je p³ynnie wdra¿aæ w rzeczywistych scenariuszach. Dowiesz siê, w jaki sposób my¶lenie przyczynowe u³atwia rozwi±zywanie problemów, i poznasz pojêcia Pearla, takie jak strukturalny model przyczynowy, interwencje, kontrfakty itp. Ka¿de zagadnienie zosta³o dok³adnie wyja¶nione i opatrzone zbiorem praktycznych æwiczeñ z kodem w Pythonie. Nauczysz siê tak¿e implementowaæ poszczególne modele i zrozumiesz, czym siê kierowaæ przy wyborze technik i algorytmów do rozwi±zywania konkretnych scenariuszy przyczynowych. To przewodnik, który doceni± szczególnie in¿ynierowie uczenia maszynowego i analitycy danych.
Szukasz wiêcej propozycji? Zobacz nasze tytu³y z kategorii informatyka
