کتاب Causal Inference in Python

کتاب Causal Inference in Python: Applying Causal Inference in the Tech Industry (استنتاج عِلّی در پایتون: کاربرد استنتاج عِلّی در صنعت فناوری) کاربردهای زبان برنامه‌نویسی پایتون را در انواع مختلف زمینه‌ها شرح خواهد داد.

در ادامه مقدمه‌ای از کتاب Causal Inference in Python را شرح خواهیم داد.

مقدمه‌ای بر کتاب Causal Inference in Python:

یک دلار اضافی بازاریابی آنلاین چند خریدار به همراه خواهد داشت؟ کدام مشتریان تنها با دریافت کوپن تخفیف خرید می‌کنند؟ چگونه یک استراتژی قیمت گذاری بهینه ایجاد می‌کنید؟ بهترین راه برای تعیین اینکه چگونه اهرم‌های در اختیار ما بر معیارهای تجاری که می‌خواهیم هدایت کنیم، تأثیر می‌گذارند، استنتاج عِلّی است.

بیشتر بخوانید: کتاب Head First Python

در این کتاب، نویسنده Matheus Facure، دانشمند ارشد داده در Nubank، پتانسیل تا حد زیادی استفاده نشده استنتاج عِلّی را برای تخمین اثرات و اثرات توضیح می‌دهد. مدیران، دانشمندان داده و تحلیلگران کسب و کار روش‌های استنتاج عِلّی کلاسیک مانند آزمایش‌های کنترل تصادفی (تست‌های A/B)، رگرسیون خطی، امتیاز تمایل، کنترل‌های مصنوعی و تفاوت‌ها را خواهند آموخت. هر روش با یک برنامه کاربردی در صنعت همراه است تا به عنوان یک مثال در دنیای واقعی عمل کند.

با این کتاب، شما:

• یاد بگیرید که چگونه از مفاهیم اساسی استنتاج عِلّی استفاده کنید
• یک مشکل تجاری را به عنوان یک مشکل استنتاج عِلّی چارچوب‌بندی کنید
• درک کنید که چگونه سوگیری در مسیر استنتاج عِلّی قرار می‌گیرد
• بیاموزید که چگونه اثرات عِلّی می‌تواند از فردی به فرد دیگر متفاوت باشد
• از مشاهدات مکرر همان مشتریان در طول زمان برای تعدیل تعصبات استفاده کنید
• درک کنید که چگونه تأثیرات عِلّی در مکان‌های جغرافیایی متفاوت است
• سوگیری عدم انطباق و رقیق شدن اثر را بررسی کنید

بیشتر بخوانید: کتاب Machine Learning for Emotion Analysis in Python

سرفصل‌های کتاب Causal Inference in Python:

• Preface
• I. Fundamentals
  • 1. Introduction to Causal Inference
  • 2. Randomized Experiments and Stats Review
  • 3. Graphical Causal Models
• II. Adjusting for Bias
  • 4. The Unreasonable Effectiveness of Linear Regression
  • 5. Propensity Score
• III. Effect Heterogeneity and Personalization
  • 6. Effect Heterogeneity
  • 7. Metalearners
• IV. Panel Data
  • 8. Difference-in-Differences
  • 9. Synthetic Control
• V. Alternative Experimental Designs
  • 10. Geo and Switchback Experiments
  • 11. Noncompliance and Instruments
  • 12. Next Steps
• Index
• About the Author

جهت دانلود کتاب Causal Inference in Python می‌توانید پس از پرداخت، دریافت کنید.