Marcin Mazureknarzędzia online · artykuły · księgarniaRSS
Okładka: Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznejTylna okładka: Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej

Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej

Autor: Matheus Facure

Tłumacz: Tomasz Walczak

Helionebook

37,45 zł 74,90 zł -50%

Kup w księgarni Helion

Czytaj fragmentPobierz PDF

Kategorie
Machine Learning, Python w danych, Testy A/B
Wydawca
Helion
Rodzaj
ebook
Format
165x235
Stron
360
Data wydania
2024-08-20
ISBN
978-83-289-0882-6
Tytuł oryginału
Causal Inference in Python: Applying Causal Inference in the Tech Industry
Formaty
PDF (8,0MB) · ePub (23,6MB) · Mobi (23,6MB)

Fragment książki — 30 stron

Kliknij stronę, żeby powiększyć. Całość możesz przeczytać online albo pobrać jako PDF. Fragment udostępniony przez wydawcę.

  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 1 z 301
  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 2 z 302
  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 3 z 303
  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 4 z 304
  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 5 z 305
  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 6 z 306
  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 7 z 307
  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 8 z 308
  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 9 z 309
  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 10 z 3010
  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 11 z 3011
  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 12 z 3012
  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 13 z 3013
  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 14 z 3014
  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 15 z 3015
  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 16 z 3016
  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 17 z 3017
  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 18 z 3018
  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 19 z 3019
  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 20 z 3020
  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 21 z 3021
  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 22 z 3022
  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 23 z 3023
  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 24 z 3024
  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 25 z 3025
  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 26 z 3026
  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 27 z 3027
  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 28 z 3028
  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 29 z 3029
  • Fragment „Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej” — strona 30 z 3030

Opis

Wnioskowanie przyczynowe przydaje się w sytuacji, gdy trzeba określić wpływ decyzji biznesowej na konkretny wynik, na przykład wielkość sprzedaży. Działania te są dobrze znane nauce, ale dopiero od niedawna świat poznaje korzyści z ich zastosowania w branży technologicznej. Przyczyniły się do tego postępy w uczeniu maszynowym, automatyzacji procesów i danologii. Teraz, aby uzyskać wymierne korzyści, wystarczy kilka wierszy kodu w Pythonie.

Poznaj narzędzia najbardziej znanych analityków danych korzystających z Pythona!

prof. Nick Huntington-Klein, autor The Effect: An Introduction to Research Design and Causality

Tę książkę docenią w szczególności analitycy danych. Wyjaśniono w niej potencjał wnioskowania przyczynowego w zakresie szacowania wpływu i efektów w biznesie. Opisano klasyczne metody wnioskowania przyczynowego, w tym testy A/B, regresja liniowa, wskaźnik skłonności, metoda syntetycznej kontroli i metoda różnicy w różnicach, przy czym skoncentrowano się przede wszystkim na praktycznym aspekcie tych technik. Znalazło się tu również omówienie nowoczesnych rozwiązań, takich jak wykorzystanie uczenia maszynowego do szacowania heterogenicznych efektów. Każda metoda została zilustrowana opisem zastosowania w branży technologicznej.

W książce między innymi:

  • podstawy wnioskowania przyczynowego
  • problemy biznesowe jako zagadnienia z obszaru wnioskowania przyczynowego
  • eksperymenty geograficzne i eksperymenty z przełączaniem oddziaływania
  • badanie błędu systematycznego
  • modele graficzne i wizualizacja związków przyczynowych

Najlepsza książka poświęcona najnowocześniejszym metodom, działaniu na rzeczywistych danych i rozwiązywaniu praktycznych problemów!

Sean J. Taylor, główny badacz w Motif Analytics

Linki do księgarni są linkami partnerskimi Grupy Helion i Księgarni PWN (przez sieć Adtraction). Ceny i dostępność pochodzą z oferty wydawcy i mogą się zmienić.