Elementi di inferenza causale: Fondamenti e algoritmi di apprendimento

Recensioni dei lettori

Il libro è stato apprezzato per i suoi contenuti utili e per il formato fisico di alta qualità, particolarmente interessante per chi ha familiarità con i concetti di apprendimento automatico. Tuttavia, ci sono notevoli preoccupazioni riguardo alla qualità della produzione, soprattutto per quanto riguarda la formattazione del Kindle.

Una copia fisica di alta qualità, una buona qualità della carta, figure stampate a colori, serve una nicchia utile nell'inferenza causale usando la notazione dell'apprendimento automatico, familiare per coloro che hanno imparato da “Elements of Statistical Learning”.

Scarso controllo di qualità, con problemi come la copertina capovolta e la pessima formattazione del Kindle con simboli illeggibili.

(basato su 5 recensioni dei lettori)

Titolo originale:

Elements of Causal Inference: Foundations and Learning Algorithms

Contenuto del libro:

Un'introduzione concisa e autonoma all'inferenza causale, sempre più importante nella scienza dei dati e nell'apprendimento automatico.

La matematizzazione della causalità è uno sviluppo relativamente recente ed è diventata sempre più importante nella scienza dei dati e nell'apprendimento automatico. Questo libro offre un'introduzione autonoma e concisa ai modelli causali e a come apprenderli dai dati.

Dopo aver spiegato la necessità dei modelli causali e aver discusso alcuni dei principi alla base dell'inferenza causale, il libro insegna ai lettori come utilizzare i modelli causali: come calcolare le distribuzioni di intervento, come inferire modelli causali da dati osservativi e di intervento e come le idee causali possono essere sfruttate per problemi classici di apprendimento automatico. Tutti questi argomenti sono discussi prima in termini di due variabili e poi nel caso più generale multivariato. Il caso bivariato si rivela un problema particolarmente difficile per l'apprendimento causale, perché non esistono le indipendenze condizionali utilizzate dai metodi classici per risolvere i casi multivariati. Gli autori ritengono che l'analisi delle asimmetrie statistiche tra causa ed effetto sia molto istruttiva e riferiscono di un decennio di intensa ricerca su questo problema.

Il libro è accessibile ai lettori con un background in apprendimento automatico o statistica, e può essere utilizzato nei corsi di laurea o come riferimento per i ricercatori. Il testo include snippet di codice che possono essere copiati e incollati, esercizi e un'appendice con una sintesi dei concetti tecnici più importanti.