Cantitate/Preț
Produs
Total produse
Vezi coșul
Causal Inference in Python de Matheus Facure

Causal Inference in Python

Autor Matheus Facure
en Limba Engleză Paperback – 31 iul 2023

Structura progresivă a volumului propus de Matheus Facure ghidează cititorul de la înțelegerea conceptuală a cauzalității până la implementarea tehnică a unor soluții complexe în Python. Considerăm că forța acestui text rezidă în capacitatea de a transforma întrebări de business abstracte — precum impactul unei reduceri asupra comportamentului de achiziție — în probleme de modelare statistică riguroasă. Reținem abordarea autorului de a demitiza inferența cauzală, prezentând-o nu doar ca pe un exercițiu academic, ci ca pe un instrument critic pentru optimizarea strategiilor de preț și marketing. Fiecare capitol este construit în jurul unei nevoi practice, explorând metode consacrate precum experimentele controlate aleatorii, scorurile de propensiune și metoda diferenței în diferențe (diff-in-diff). Un element distinctiv este analiza detaliată a modului în care erorile sistematice (bias) pot altera rezultatele și cum observațiile repetate în timp asupra acelorași segmente de clienți pot fi utilizate pentru a ajusta aceste distorsiuni. Stilul este unul tehnic și pragmatic, orientat spre livrarea de rezultate măsurabile. Complementar volumului Causal Inference for Data Science de Alex Ruiz de Villa, care pune un accent deosebit pe modelarea realității prin grafuri cauzale, lucrarea de față se concentrează pe execuția programatică și pe utilizarea seturilor de date temporale și geografice pentru a izola efectele cauzale. În timp ce alte resurse se pot limita la statistica teoretică, Causal Inference in Python publicată de O'Reilly oferă un cadru de lucru aplicat, esențial pentru orice specialist care dorește să treacă de la simpla predicție la influențarea activă a indicatorilor de performanță.

Citește tot Restrânge

Preț: 36399 lei

Preț vechi: 45499 lei
-20%

Puncte Express: 546

Carte disponibilă

Livrare economică 01-15 mai
Livrare express 17-23 aprilie pentru 7454 lei

 Adaugă în coș

Wish list
Gift list
Am citit!
Adaugă în listă

Specificații

ISBN-13: 9781098140250
ISBN-10: 1098140257
Pagini: 400
Dimensiuni: 192 x 227 x 23 mm
Greutate: 0.7 kg
Editura: O'Reilly

De ce să citești această carte

Recomandăm această carte profesioniștilor din data science și analiștilor de business care doresc să depășească corelațiile simple pentru a înțelege mecanismele de cauzalitate. Cititorul câștigă capacitatea de a evalua impactul real al deciziilor de business folosind Python. Este un ghid practic esențial pentru oricine trebuie să răspundă la întrebarea „Ce se întâmplă dacă schimbăm această variabilă?”, oferind instrumente matematice pentru a măsura succesul intervențiilor comerciale.

Despre autor

Matheus Facure este un specialist recunoscut în domeniul analizei datelor, ocupând funcția de Senior Data Scientist la Nubank, una dintre cele mai mari bănci digitale din lume. Experiența sa în sectorul fintech îi permite să abordeze inferența cauzală dintr-o perspectivă extrem de practică, axată pe rezolvarea problemelor de scalabilitate și eficiență economică. Prin activitatea sa, el contribuie la democratizarea metodelor statistice avansate, făcându-le accesibile comunității de dezvoltatori Python prin exemple clare și implementări open-source.

Descriere

How many buyers will an additional dollar of online marketing bring in? Which customers will only buy when given a discount coupon? How do you establish an optimal pricing strategy? The best way to determine how the levers at our disposal affect the business metrics we want to drive is through causal inference. In this book, author Matheus Facure, senior data scientist at Nubank, explains the largely untapped potential of causal inference for estimating impacts and effects. Managers, data scientists, and business analysts will learn classical causal inference methods like randomized control trials (A/B tests), linear regression, propensity score, synthetic controls, and difference-in-differences.

Each method is accompanied by an application in the industry to serve as a grounding example. With this book, you will:Learn how to use basic concepts of causal inferenceFrame a business problem as a causal inference problemUnderstand how bias gets in the way of causal inferenceLearn how causal effects can differ from person to personUse repeated observations of the same customers across time to adjust for biasesUnderstand how causal effects differ across geographic locationsExamine noncompliance bias and effect dilution

Notă biografică

Matheus Facure is an Economist and Senior Data Scientist at Nubank, the biggest FinTech company outside Asia. His has successfully applied causal inference in a wide range of business scenarios, from automated and real time interest and credit decision making, to cross sell emails and optimizing marketing budgets. He is also author of Causal Inference for the Brave and True, a popular book which aims at making causal inference mainstream in a light-hearted, yet rigorous way.