你想過如果你採取不同的做法，會發生什麼事？ 因果機器學習提供你根據因果( Causal )關係 – 而不是純粹的相關性 – 進行預測和控制結果所需的洞察力，因此你可做出精確且及時的干預。
January 2025 ISBN 9781633439917 520頁
翻譯本: 俄文, 簡中
在 “Causal ALI “( 因果人工智慧 )中，你將學習如何：
- 建構 Causal (因果)強化學習演算法
- 使用 PyTorch 和 Pyro 等現代機率機器工具實現因果推理
- 比較和對照因果推論的統計和計量經濟學方法
- 設定歸因、信用分配和解釋的演算法
- 將領域專業知識轉化為可解釋的因果模型
Causal AI (因果人工智慧)是建構可以推理因果關係的人工智慧模型的實用介紹。 作者 Robert Ness 是微軟研究院因果人工智慧領域的首席研究員，他將自己獨特的專業知識融入這本尖端指南中。 他清晰、程式碼優先的方法解釋了隱藏在學術論文中的因果機器學習的基本細節。 你學到的一切都可以輕鬆有效地應用於行業挑戰，從建立可解釋的因果模型到預測反事實結果。
關於這個技術
因果機器學習是機器學習的一個重要里程碑，它使人工智慧模型能夠根據原因而不僅僅是相關性做出準確的預測。 因果技術可協助你建立更穩健、更可解釋、更公平的模型，並且具有廣泛的應用範圍，從改進推薦引擎到完善自動駕駛汽車。
關於這本書
因果人工智慧教你如何建立實現因果推理的機器學習和深度學習模型。 了解為什麼領先的人工智慧工程師對因果推理如此興奮，並深入了解人工智慧的下一個主要趨勢。 透過解決行業相關問題的範例模型演示了新技術。你將了解推薦的因果關係； 在線轉化的因果建模； 以及提升、歸因和流失建模。 每種技術都針對一組常見的問題、資料和 Python 程式庫進行了測試，因此你可比較和對比最適合你的技術。
“《因果人工智慧》是建構生成和理解因果敘事的人工智慧系統的及時資源。 Robert 巧妙地運用簡單易懂的解釋、先進的程式碼範例和實際應用，將因果科學、反事實邏輯與生成式人工智慧連結起來。對於任何渴望掌握這一變革性領域的人來說，這都是必讀之作。” – Judea Pearl, Turing Award winner and author of Causality and The Book of Why
“將複雜的概念分解為可實施、易於理解的步驟。” – Karen Sachs, Aeon Bio
“本書中的方法和程式碼範例都是最先進的，將透過許多案例研究和激勵應用程式幫助讀者快速提升。” -Sean J. Taylor, OpenAI
內容包含
- 使用 DoWhy 進行端對端因果推理
- 深度貝葉斯因果生成式 AI 模型
- do-calculus 和 Pearl 因果層級結構的代碼優先之旅
- 用於微調因果大型語言模型的程式碼
目標讀者
適合資料科學家和機器學習工程師。 熟悉機率和統計會對開始本指南有所幫助，但不是必需的。 Python 中的範例。
關於作者
Robert Ness 是微軟研究院( Microsoft Research )因果人工智慧( Causal AI )領域的首席研究員。 他是開源因果推理套件（例如 Python 的 DoWhy 和 R 的 bnlearn）的貢獻者。
購買書籍網址 | 今日特價書
也許你會有興趣
- Python 專案相關線上課程與電子書
- ★英語學習地圖 – 練好英文是最大的學習槓桿
- 如何找工作學習地圖 – 找工作不要靠運氣！
- 從 Soft & Share 各種社團頻道挑選你喜歡的加入
發表迴響