Disponibilidad:
- Casa del lectorDisponible 1 ejemplar
- Libro Técnico SurDisponible apróx. en 9 días
- AlmacénDisponible apróx. en 2-3 días
- Editorial:
- ANAYA MULTIMEDIA
- Año de edición:
- 2024
- Materia
- Informatica
- ISBN:
- 978-84-415-4920-3
- Páginas:
- 432
- Encuadernación:
- Rústica
INFERENCIA CAUSAL Y DESCUBRIMIENTO EN PYTHON
DESCUBRA LOS SECRETOS DEL MACHINE LEARNING CAUSAL MODERNO CON DOW
MOLAK, ALEKSANDER
En comparación con el aprendizaje automático tradicional y las estadísticas, los métodos causales presentan desafíos únicos. Aprender causalidad puede ser difícil, pero ofrece distintas... Leer más
En comparación con el aprendizaje automático tradicional y las estadísticas, los métodos causales presentan desafíos únicos. Aprender causalidad puede ser difícil, pero ofrece distintas ventajas que escapan a una mentalidad puramente estadística. Este libro ayuda a liberar todo el potencial de la causalidad.El libro comienza con las motivaciones básicas del pensamiento causal y una completa introducción a conceptos causales pearlianos, como los modelos causales estructurales, las intervenciones, los contrafactuales, etc. Cada concepto va acompañado de una explicación teórica y una serie de ejercicios prácticos con código Python. A continuación, entra de lleno en el mundo de la estimación del efecto causal, y avanza hacia los métodos de aprendizaje automático modernos.Paso a paso, descubrirás el ecosistema causal de Python y aprovecharás la potencia de los algoritmos más avanzados. Además, explorarás la mecánica de las huellas que dejan las causas y descubrirás las cuatro familias principales de métodos de descubrimiento causal. El capítulo final ofrece una amplia visión general del futuro de la IA causal, co
