圖書標籤: 因果關係  哲學  英文原版  AI  數學史  Statistics  DS   

喜歡 The Book of Why 的讀者還喜歡

非常有趣。本來是衝著Judea Pearl的Bayesian Network來看的，看完纔發現他最近的二十年一直在做Causal Inference。這本書第一個戳我的點是，他很明確地指齣瞭統計學目前對於因果分析的匱乏。在我自己的工作中這種問題已經遇到過很多次。第二個就是他對於AI的理解。如他在最後一章所說搞DL的scruffies目前是顯學，但是今後遇到很大的睏境，而neat這些人一直沒有什麼産齣，而他在BN的基礎上開闢齣一條更有趣的路徑。非常贊。

非常有趣。本來是衝著Judea Pearl的Bayesian Network來看的，看完纔發現他最近的二十年一直在做Causal Inference。這本書第一個戳我的點是，他很明確地指齣瞭統計學目前對於因果分析的匱乏。在我自己的工作中這種問題已經遇到過很多次。第二個就是他對於AI的理解。如他在最後一章所說搞DL的scruffies目前是顯學，但是今後遇到很大的睏境，而neat這些人一直沒有什麼産齣，而他在BN的基礎上開闢齣一條更有趣的路徑。非常贊。

非常有趣。本來是衝著Judea Pearl的Bayesian Network來看的，看完纔發現他最近的二十年一直在做Causal Inference。這本書第一個戳我的點是，他很明確地指齣瞭統計學目前對於因果分析的匱乏。在我自己的工作中這種問題已經遇到過很多次。第二個就是他對於AI的理解。如他在最後一章所說搞DL的scruffies目前是顯學，但是今後遇到很大的睏境，而neat這些人一直沒有什麼産齣，而他在BN的基礎上開闢齣一條更有趣的路徑。非常贊。

非常有趣。本來是衝著Judea Pearl的Bayesian Network來看的，看完纔發現他最近的二十年一直在做Causal Inference。這本書第一個戳我的點是，他很明確地指齣瞭統計學目前對於因果分析的匱乏。在我自己的工作中這種問題已經遇到過很多次。第二個就是他對於AI的理解。如他在最後一章所說搞DL的scruffies目前是顯學，但是今後遇到很大的睏境，而neat這些人一直沒有什麼産齣，而他在BN的基礎上開闢齣一條更有趣的路徑。非常贊。

非常有趣。本來是衝著Judea Pearl的Bayesian Network來看的，看完纔發現他最近的二十年一直在做Causal Inference。這本書第一個戳我的點是，他很明確地指齣瞭統計學目前對於因果分析的匱乏。在我自己的工作中這種問題已經遇到過很多次。第二個就是他對於AI的理解。如他在最後一章所說搞DL的scruffies目前是顯學，但是今後遇到很大的睏境，而neat這些人一直沒有什麼産齣，而他在BN的基礎上開闢齣一條更有趣的路徑。非常贊。

rather than a new science. 1，作者并没有区分自然科学和社会以及行为科学，没有讨论这两个领域因果推断的异同，也没有上升到科学哲学的层面讨论因果推断本身。这些本身都不是问题。只是就内容来说，书中的science实际上指的是社会科学和行为科学，作者所说的“因果革命 (the ...  

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...  

“20世纪50年代末60年代初,统计学家和医生就整个20世纪最引人注目的一个医学问题产生了意见冲突:吸烟会导致肺癌吗?在这场辩论过去了半个世纪之后的现在,我们认为答案是理所当然的。但在当时,这个问题完全处于迷雾之中。” 01 — 书比较厚，正文346页，注释26页。内容也相对硬核...  

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...