The Book of Why

The Book of Why pdf epub mobi txt 电子书 下载 2025

出版者:Penguin
作者:Judea Pearl
出品人:
页数:432
译者:
出版时间:2019-5-2
价格:GBP 10.99
装帧:Paperback
isbn号码:9780141982410
丛书系列:
图书标签:
  • 因果关系
  • 哲学
  • 英文原版
  • AI
  • 数学史
  • Statistics
  • DS
  • 因果关系
  • 贝叶斯网络
  • 人工智能
  • 机器学习
  • 统计学
  • 科学哲学
  • 数据科学
  • 决策制定
  • 概率推理
  • 因果推断
想要找书就要到 小美书屋
立刻按 ctrl+D收藏本页
你会得到大惊喜!!

具体描述

作者简介

朱迪亚·珀尓(Judea Pearl),现加州大学洛杉矶分校计算机科学教授,“贝叶斯网络”之父,2011年因创立因果推理演算法获得图灵奖,同时也是美国国家科学院院士,IEEE智能系统名人堂第一批10位入选者之一。

目前已出版3本关于因果关系科学的经典著作,分别为《启发法》(1984)、《智能系统中的概率推理》(1988)和《因果论:模型、论证、推理 》(2009)。他还获得过多项顶级科学荣誉,包括认知科学领域的鲁梅哈特奖、物理学及技术领域的富兰克林奖章以及科学哲学领域的拉卡托斯奖。

达纳·麦肯齐(Dana Mackenzie),普林斯顿大学数学博士,自由科学记者,知名科普作家,著有《无言的宇宙》等作品,其学术论文多次收录于《科学》《新科学家》《科学美国》《探索》等重量级期刊。

目录信息

读后感

评分

一 五月,腾讯稳坐公司新闻头条,与今日头条互诉,腾讯视频打造的女团选拔节目《创造101》中的选手王菊逆袭翻盘,现象级的王菊效应在网上发酵。在五月,让我最感兴趣的一条公司新闻也与腾讯有关。5月30日,腾讯官方公众号发布了一篇文章,标题是《[她叫Siren,不是人,也可以是...  

评分

拿到书之后读了两遍,第一遍是以欣赏和学习的态度,第二遍是以欣赏和怀疑的态度。学习和怀疑之后,谈谈读后感。 这本书的副标题是《关于因果关系的新科学》,显然,这本书是从科学角度论述因果关系的。这可能让大众诧异,为什么显而易见的因果关系,从科学角度却难以建立。甚至...  

评分

评分

这本书着实烧脑,是讲因果关系的新科学,我实在不能用简明的语言来描述,要举的案例也有点冗长,我只能告诉你几个大的框架: 1 三级因果思维,原来我们的思想还能分出个三个层次,分别是观察,干预和想象,现在的人工智能还只达到第一级,大数据阶段[发呆] 2 回归均值,你知道...  

评分

一 五月,腾讯稳坐公司新闻头条,与今日头条互诉,腾讯视频打造的女团选拔节目《创造101》中的选手王菊逆袭翻盘,现象级的王菊效应在网上发酵。在五月,让我最感兴趣的一条公司新闻也与腾讯有关。5月30日,腾讯官方公众号发布了一篇文章,标题是《[她叫Siren,不是人,也可以是...  

用户评价

评分

非常有趣。本来是冲着Judea Pearl的Bayesian Network来看的,看完才发现他最近的二十年一直在做Causal Inference。这本书第一个戳我的点是,他很明确地指出了统计学目前对于因果分析的匮乏。在我自己的工作中这种问题已经遇到过很多次。第二个就是他对于AI的理解。如他在最后一章所说搞DL的scruffies目前是显学,但是今后遇到很大的困境,而neat这些人一直没有什么产出,而他在BN的基础上开辟出一条更有趣的路径。非常赞。

评分

非常有趣。本来是冲着Judea Pearl的Bayesian Network来看的,看完才发现他最近的二十年一直在做Causal Inference。这本书第一个戳我的点是,他很明确地指出了统计学目前对于因果分析的匮乏。在我自己的工作中这种问题已经遇到过很多次。第二个就是他对于AI的理解。如他在最后一章所说搞DL的scruffies目前是显学,但是今后遇到很大的困境,而neat这些人一直没有什么产出,而他在BN的基础上开辟出一条更有趣的路径。非常赞。

评分

非常有趣。本来是冲着Judea Pearl的Bayesian Network来看的,看完才发现他最近的二十年一直在做Causal Inference。这本书第一个戳我的点是,他很明确地指出了统计学目前对于因果分析的匮乏。在我自己的工作中这种问题已经遇到过很多次。第二个就是他对于AI的理解。如他在最后一章所说搞DL的scruffies目前是显学,但是今后遇到很大的困境,而neat这些人一直没有什么产出,而他在BN的基础上开辟出一条更有趣的路径。非常赞。

评分

非常有趣。本来是冲着Judea Pearl的Bayesian Network来看的,看完才发现他最近的二十年一直在做Causal Inference。这本书第一个戳我的点是,他很明确地指出了统计学目前对于因果分析的匮乏。在我自己的工作中这种问题已经遇到过很多次。第二个就是他对于AI的理解。如他在最后一章所说搞DL的scruffies目前是显学,但是今后遇到很大的困境,而neat这些人一直没有什么产出,而他在BN的基础上开辟出一条更有趣的路径。非常赞。

评分

非常有趣。本来是冲着Judea Pearl的Bayesian Network来看的,看完才发现他最近的二十年一直在做Causal Inference。这本书第一个戳我的点是,他很明确地指出了统计学目前对于因果分析的匮乏。在我自己的工作中这种问题已经遇到过很多次。第二个就是他对于AI的理解。如他在最后一章所说搞DL的scruffies目前是显学,但是今后遇到很大的困境,而neat这些人一直没有什么产出,而他在BN的基础上开辟出一条更有趣的路径。非常赞。

本站所有内容均为互联网搜索引擎提供的公开搜索信息,本站不存储任何数据与内容,任何内容与数据均与本站无关,如有需要请联系相关搜索引擎包括但不限于百度google,bing,sogou

© 2025 book.quotespace.org All Rights Reserved. 小美书屋 版权所有