Vítáme Vás, můžete se vytvořit účet. 16404j

Cart 68l32

product (empty)

Košík je prázdný

' + (data.cname!='Nezařazeno' && data.cname!='Nezařazené' ? '

'+data.cname+'

' : '') + '

'; }, parse: function(data) { var mytab = new Array(); for (var i = 0; i < data.length; i++) mytab[mytab.length] = { data: data[i], value: data[i].pname }; return mytab; }, extraParams: { ajaxSearch: 1, id_lang: 6 } } ) .result(function(event, data, formatted) { $('#search_query_top').val(data.pname); document.location.href = data.product_link; }) }); // ]]>

Termín obdržení zásilky
Česká pošta	Středa 11.06
PPL	Středa 11.06
Osobní odběr	Čtvrtek 12.06
Termíny jsou pouze orientační a mohou se lišit podle zvoleného typu platby. O Průběhu zásilky Vás budeme informovat e-mailem.
Při nákupu většího množství produktů negarantujeme dodání do zobrazeného data

Elements of Causal Inference 6bg60

1294 Kč 1 340 Kč

Odesíláme do 5 až 7 dní

Sleva až 70% u třetiny knih

Popis knihy

After explaining the need for causal models and discussing some of the principles underlying causal inference, the book teaches readers how to use causal models: how to compute intervention distributions, how to infer causal models from observational and interventional data, and how causal ideas could be exploited for classical machine learning problems. All of these topics are discussed first in of two variables and then in the more general multivariate case. The bivariate case turns out to be a particularly hard problem for causal learning because there are no conditional independences as used by classical methods for solving multivariate cases. The authors consider analyzing statistical asymmetries between cause and effect to be highly instructive, and they report on their decade of intensive research into this problem.