Python
Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej
- Szczegóły
- Kategoria: Python
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
Matheus Facure jest ekonomistą i starszym analitykiem danych w Nubank, brazylijskiej firmie z branży FinTech. Z powodzeniem stosował wnioskowanie przyczynowe w rozmaitych scenariuszach biznesowych. Często występuje jako prelegent na konferencjach branżowych i uczestniczy w projektach open source.
- Python w data science. Praktyczne wprowadzenie - [13 sierpień 2024]
- Szybki jak FastAPI. Projektowanie aplikacji WWW w Pythonie - [08 sierpień 2024]
- Data science i Python. Stawianie czoła najtrudniejszym wyzwaniom biznesowym - [25 czerwiec 2024]
- Praktyczna algebra liniowa dla analityków danych. Od podstawowych koncepcji do użytecznych aplikacji w Pythonie - [13 grudzień 2023]
- Python Data Science. Niezbędne narzędzia do pracy z danymi. Wydanie II - [06 grudzień 2023]