# Wnioskowanie i związki przyczynowe w Pythonie. Nowoczesne uczenie maszynowe z wykorzystaniem bibliotek DoWhy, EconML, PyTorch i nie tylko

Canonical: https://www.kolczanksiazek.pl/aleksander-molak/wnioskowanie-i-zwiazki-przyczynowe-w-pythonie-nowoczesne-uczenie-maszynowe-z-wykorzystaniem-bibliotek-dowhy-econml-pytorch-i-nie-tylko

![Wnioskowanie i związki przyczynowe w Pythonie. Nowoczesne uczenie maszynowe z wykorzystaniem bibliotek DoWhy, EconML, PyTorch i nie tylko](https://quivercdn.com/covers/helion/aleksander-molak/wnioskowanie-i-zwiazki-przyczynowe-w-pythonie-nowoczesne-uczenie-maszynowe-z-wykorzystaniem-bibliotek-dowhy-econml-pytorch-i-nie-tylko_978-83-2890-832-1.jpg?v=2026-04-07%2011%3A10%3A39)

- Autorzy: [Aleksander Molak](https://www.kolczanksiazek.pl/aleksander-molak)
- Język: pl_PL
- Data wydania: 2024-05-28

## Opis

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. W książce: wnioskowanie związków przyczynowych budowa i działanie strukturalnych modeli przyczynowych czteroetapowy proces wnioskowania związków przyczynowych w Pythonie techniki modelowania efektu interwencji nowoczesne metody odkrywania związków przyczynowych za pomocą Pythona korzystanie z wnioskowania związków przyczynowych Przyczyna i skutek, nic więcej. Pomyłki jako takie nie istnieją... Jose Antonio Cotrina, hiszpański pisarz science fiction

## Wydania

### Wnioskowanie i związki przyczynowe w Pythonie. Nowoczesne uczenie maszynowe z wykorzystaniem bibliotek DoWhy, EconML, PyTorch i nie tylko

- Wydawnictwo: Helion
- ISBN: 978-83-2890-832-1
- Liczba stron: 421
- Data wydania: 2024-05-28
- Język: pl_PL