The Book of Why

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

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。

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 
  •  
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

读后感

评分

看朋友圈有同学推荐,说这本书让他中了CVPR的oral,不禁让我想也照猫画虎弄篇文章出来。趁今天下午有空,花了大概两个小时粗读了下这本书。核心思想在introduction就讲差不多了,后面很多内容都是在讲故事,所以很快就都略过了。整本书所有的内容都是围绕这do算子来展开,同时...  

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

笛卡尔在《谈谈方法》和《第一哲学沉思集》都曾探究过什么样的知识才是可靠的问题。他说,历史上什么观点都有争议,说明每一个观点都有可疑之处——我倒是认为,即是众人观点一致,这种观点依然很可疑。和笛卡尔一样,雅斯贝尔斯在《生存哲学》中也是这么谈论“真理”,他说,...  

评分

The ladder of causation Association Predictions based on passive observations Intervention Involving not just seeing but changing what is Counterfactuals Not only experiments, but also need the model of the underlying causal process--"theory" or "a law of n...

评分

这些人发明了如此简单而常用的东西,以至所有人都忘了这些东西也需要人发明出来。 非常匆忙地读了一遍之后,脑子里第一时间浮现的是小说《好兆头》里的这句话,它基本上是我对这本书印象的完美概括。 经济学专业的学生,如果选过一些 policy evaluation 和 causal inference 方...  

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