Avis des lecteurs
Résumé:Le livre est loué pour son contenu utile et son format physique de haute qualité, particulièrement attrayant pour ceux qui sont familiers avec les concepts de l'apprentissage automatique. Toutefois, la qualité de la production, notamment en ce qui concerne le formatage Kindle, suscite de vives inquiétudes.
Avantages:La copie physique de haute qualité, le papier de bonne qualité, les figures imprimées en couleur, servent une niche utile dans l'inférence causale en utilisant la notation de l'apprentissage automatique, familière pour ceux qui ont appris des « Eléments de l'apprentissage statistique ».
Inconvénients:Contrôle de qualité médiocre avec des problèmes tels qu'une couverture de livre à l'envers, un formatage Kindle épouvantable avec des symboles illisibles.
(basé sur 5 avis de lecteurs)
Titre original :
Elements of Causal Inference: Foundations and Learning Algorithms
Contenu du livre :
Une introduction concise et complète à l'inférence causale, de plus en plus importante dans la science des données et l'apprentissage automatique.
La mathématisation de la causalité est un développement relativement récent, et est devenue de plus en plus importante dans la science des données et l'apprentissage automatique. Ce livre propose une introduction complète et concise aux modèles causaux et à leur apprentissage à partir de données.
Après avoir expliqué la nécessité des modèles causaux et discuté de certains des principes qui sous-tendent l'inférence causale, le livre enseigne aux lecteurs comment utiliser les modèles causaux : comment calculer les distributions d'intervention, comment inférer des modèles causaux à partir de données d'observation et d'intervention, et comment les idées causales peuvent être exploitées pour des problèmes classiques d'apprentissage automatique. Tous ces sujets sont abordés d'abord en termes de deux variables, puis dans le cas plus général des variables multiples. Le cas bivarié s'avère être un problème particulièrement difficile pour l'apprentissage causal parce qu'il n'y a pas d'indépendance conditionnelle telle qu'utilisée par les méthodes classiques pour résoudre les cas multivariés. Les auteurs considèrent que l'analyse des asymétries statistiques entre la cause et l'effet est très instructive, et ils rendent compte de leur décennie de recherche intensive sur ce problème.
Le livre est accessible aux lecteurs ayant une formation en apprentissage automatique ou en statistiques, et peut être utilisé dans les cours de troisième cycle ou comme référence pour les chercheurs. Le texte comprend des extraits de code qui peuvent être copiés et collés, des exercices et une annexe avec un résumé des concepts techniques les plus importants.
Autres informations sur le livre :
| ISBN : | 9780262037310 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Relié |
| Année de publication : | 2017 |
| Nombre de pages : | 288 |
Achat:
Actuellement disponible, en stock.
