Causal Inference на Python, Причинно-следственные связи в IT-разработке, Факур М., 2025.
Сколько покупателей привлечет дополнительный доллар онлайнового маркетинга? Какие покупатели будут покупать только тогда, когда им дадут купон на скидку? Как определить оптимальную ценовую стратегию? Лучший способ выяснить, как имеющиеся в нашем распоряжении рычаги влияют на те бизнес-показатели. которые мы хотим получить, это causal inference.
Матеус Факур, старший специалист по анализу данных компании Nubank, рассказывает о практически неиспользованном потенциале causal inference для оценки последствий и эффектов. Менеджеры, специалисты по обработке данных и бизнес-аналитики познакомятся с классическими методами каузального вывода, такими как рандомизированные контрольные испытания (А/В-тесты). линейная регрессия, оценка склонности, синтетические элементы управления и разница в разнице. Каждый метод сопровождается примером из реальной жизни.
Что такое причинно-следственный анализ.
Многие представляют собой причинно-следственные связи как опасную эпистемологическую область, от которой лучше держаться подальше. Возможно, ваш преподаватель статистики неоднократно повторял, что «корреляция — это не причинно-следственная связь» (или «корреляция — это не каузация»), и если вы будете путать эти два понятия, то вас подвергнут академическом остракизму или по крайней мере будут на вас косо смотреть. Но есть один нюанс: иногда корреляция является причинно-следственной связью.
Нам, людям, это отлично известно, потому что мы явно склонны принимать корреляцию за причинно-следственную связь. Когда вы решаете не пить четвертый бокал вина, вы совершаете правильный логический вывод, что это приведет к тяжелым последствиям на следующий день. Вы руководствуетесь прошлым опытом: теми вечерами, в которых вы выпили слишком много и наутро проснулись с головной болью; теми вечерами, когда вы выпили всего один бокал или вообще ни одного и ничего не произошло. Вы узнали, что между выпивкой и похмельем существует нечто большее, чем корреляция. Вы сделали вывод о существовании причинности.
ОГЛАВЛЕНИЕ.
ЧАСТЬ I Основы.
Глава 1. Знакомство с причинно-следственным анализом.
Глава 2. Рандомизированные эксперименты и статистический анализ.
Глава 3. Графовые причинные модели.
ЧАСТЬ II Корректировка смещения.
Глава 4. Неожиданная эффективность линейной регрессии.
Глава 5. Мера склонности.
ЧАСТЬ III Гетерогенность эффектов и персонализация.
Глава 6. Гетерогенность эффектов.
Глава 7. Метаобучаемые системы.
ЧАСТЬ IV Панельные данные.
Глава 8. Разность разностей.
Глава 9. Синтетический контроль.
ЧАСТЬ V Альтернативные варианты дизайна эксперимента.
Глава 10. Гео- и switchback-эксперименты.
Глава 11. Некомплаентность и инструменты.
Глава 12. Что дальше.
Купить .
Дата публикации:
Теги: учебник по программированию :: программирование :: Факур
Смотрите также учебники, книги и учебные материалы:
Следующие учебники и книги:
Предыдущие статьи:
