![[{[item.product.name]}]]([{[item.product.photo.url]}] 75w)
Wnioskowanie i związki przyczynowe w Pythonie
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.
Safety Information
For use under direct adult supervision, Need to use protective measures. Do not use in traffic, Not suitable for children under the specified age. For use under adult supervision, This toy does not offer protection, Includes a toy. Adult supervision recommended
It has the CE mark confirming compliance with the requirements of the European Union directive for this type of device.
CE Declaration of Conformity | Complies with EN-71 - Safety of toys
For children over 3 years of age
It has the CE mark confirming compliance with the requirements of the European Union directive - Compliant with the EN-71 standard - Safety of toys
