본문 바로가기
장바구니0

인과관계 추론과 발견 with Python(실제 사례를 접목한 이론서) > 컴퓨터공학

도서간략정보

인과관계 추론과 발견 with Python(실제 사례를 접목한 이론서)
신간도서
판매가격 37,000원
저자 김민경, 김수환
도서종류 국내도서
출판사 도서출판 홍릉
발행언어 한국어
발행일 2024-02-23
페이지수 486
ISBN 9791156001799
배송비결제 주문시 결제
도서구매안내 온, 온프라인 서점에서 구매 하실 수 있습니다.

구매기능

보조자료 다운
  • 도서 정보

    도서 상세설명

    PART 1 Causality - an Introduction 

    제1장 인과관계(causality) - 머신러닝이 있는데 왜 굳이 신경을 써야 할까요?

    인과관계의 간략한 역사

    왜 인과관계인가? 아기에게 질문하라!

    돈을 잃지 않는 방법… 그리고 사람의 목숨을 잃지 않는 방법

    마무리하기

    참고문헌

     

    제2장 Judea Pearl과 인과관계 사다리(Ladder of Causation)

    연관성부터 논리, 그리고 상상력까지 – 인과관계 사다리

    연관성(Associations)

    개입(Intervention)이란 무엇인가?

    반사실(Counterfactuals)이란 무엇인가?

    Extra - 모든 머신러닝이 인과적으로 동일한가요?

    참고문헌

     

    제3장 회귀, 관찰, 개입

    간단한 시작 – 관측 데이터 및 선형 회귀

    모든 사용가능한 공변량을 항상 통제해야 하나요?

    목적지를 모르면 다른 곳에 도착할 수 있다

    회귀와 구조적 모델

    마무리하기

    참고문헌

     

    제4장 그래픽컬 모델

    그래프, 그래프, 그래프

    그래픽컬 모델이란?

    DAG your pardon? 인과관계 원더랜드의 유향 비순환 그래프

    현실 세계에서 인과관계 그래프의 출처

    Extra – DAG를 넘어서는 인과관계가 존재할까요?

    마무리하기

    참고문헌

     

    제5장 포크, 체인, 부도덕성

    그래프와 분포, 그리고 그 사이를 매핑하는 방법

    체인, 포크, 콜라이더 또는... 부도덕성

    포크, 체인, 콜라이더, 그리고 회귀

    마무리하기

    참고문헌

     

    PART 2 Causal Inference

    제6장 노드, 에지 및 통계적 의존성과 독립성

    d-separation 상태 유지

    추정량(estimand) 먼저 이해하기!

    백도어 기준(back-door criterion)

    프론트 도어 기준(front-door criterion)

    다른 기준도 있을까요? do-calculus를 해봅시다!

    마무리하기

    정답

    참고문헌

     

    제7장 인과관계 추론의 4단계 프로세스

    DoWhy 및 EconML 소개

    1단계 - 문제 모델링

    2단계 - 추정량 식별하기

    3단계 - 추정치 얻기

    4단계 - 나의 검증셋은 어디에 있나요? 반박 테스트

    전체 예시

    마무리하기

    참고문헌

     

    제8장 인과관계 모델 – 가정과 도전적 과제

    나는 세상의 왕이다! 하지만 과연 그럴까요?

    Positivity

    교환 가능성(exchangeability)

    ...그리고 더

    내 이름을 불러주세요 - 야생에서의 허위 관계

    마무리하기

    참고문헌

     

    제9장 인과관계 추론과 머신러닝 – 매칭에서 메타 러너까지

    기본 사항 I - 매칭

    기본 사항 II - 성향 점수(propensity scores)

    역확률 가중치(inverse probability weighting: IPW)

    S-Learner - 고독한 레인저

    T-Learner - 함께하면 더 많은 것을 할 수 있습니다.

    X-Learner – 한 단계 더 나아가기

    마무리하기

    참고문헌

     

    제10장 인과관계 추론과 머신러닝 – 고급 추정자, 실험, 평가 등

    이중 강건성 방법 - 더 알아봅시다!

    머신러닝이 멋지다면 더블 머신러닝은 어떨까요?

    인과관계 포레스트(Causal Forests)와 기타 방법들

    실험 데이터를 사용한 이질적인 처리 효과 - 업리프트 오디세이

    Extra - 반사실 설명

    마무리하기

    참고문헌

     

    제11장 인과관계 추론과 머신러닝 – 딥러닝, NLP, 그리고 그 이상

    심층 분석 - 이질적인 처리 효과를 위한 딥러닝

    트랜스포머와 인과관계 추론

    인과관계와 시계열 - 계량경제학자가 베이지안으로 전환할 때

    마무리하기

    참고문헌

    요약

    참조

     

    PART 3 Causal Discovery

    제12장 인과관계 그래프를 가질 수 있을까요?

    인과관계 지식의 원천

    과학적 통찰

    개인적인 경험과 도메인 지식

    인과관계 구조 학습

    마무리하기

    참고문헌

     

    제13장 인과관계 발견과 머신러닝 – 가정에서 응용까지

    인과관계 발견 – 가정 다시 살펴보기

    네 가지(그리고 절반) 계열

    gCastle 소개

    제약 조건 기반 인과관계 발견

    점수 기반 인과관계 발견

    함수적 인과관계 발견

    그래디언트 기반 인과관계 발견

    전문 지식 인코딩

    마무리하기

    참고문헌

     

    제14장 인과관계 발견과 머신러닝 - 고급 딥러닝과 그 너머

    딥러닝을 활용한 고급 인과관계 발견

    숨겨진 교란 요인이 있을 때 인과관계 발견

    Extra – 관찰을 넘어서

    ENCO

    인과관계 발견 - 실제 적용 사례, 도전 과제, 그리고 미해결 문제

    마무리하기

    참고문헌

     

    제15장 에필로그

    지금까지 배운 내용

    인과관계 프로젝트를 최대한 활용하기 위한 5단계

    전문 지식을 획득하기

    인과관계와 비즈니스

    인과관계 머신러닝의 미래를 향하여

    인과관계 배우기

    소통창구

    마무리하기

    참고문헌

  • 사용후기

    사용후기가 없습니다.

  • 배송/교환정보

    배송정보

    배송 안내 입력전입니다.

    교환/반품

    교환/반품 안내 입력전입니다.

선택하신 도서가 장바구니에 담겼습니다.

계속 둘러보기 장바구니보기
회사소개 개인정보 이용약관
Copyright © 2001-2019 도서출판 홍릉. All Rights Reserved.
상단으로