Причинно-следственный анализ – это метод статистического анализа данных, помогающий выявить, как одно событие влияет на другое. Прочитав данную книгу, читатели научатся находить причинно-следственные связи в данных, применять правильные методы анализа и оценивать достоверность полученных выводов. Мы можем реализовать массу всяких красивых вещей с помощью машинного обучения. Однако машинное обучение (ML) не является панацеей. Оно может творить чудеса в условиях жестких ограничений и все же может с треском провалиться, если данные немного отклоняются от того, к чему привыкла модель. Машинное обучение, как известно, плохо справляется с такой проблемой, как обратная причинно-следственная связь. Издание предназначено специалистам по анализу данных, а также будет полезно бизнес-аналитикам и инженерам. В книге используется только свободное программное обеспечение, основанное на языке Python.

Машинное обучение, наверное, самая горячая и быстроразвивающаяся дисциплина в современной информатике, если не в современной науке вообще. Каждый день появляются новые модели и выходят новые статьи, раз в пару месяцев происходит очередной прорыв, который попадает в новости и открывает новые возможности, а раз в год-два происходит переворот в целой отрасли. Вот уже десять лет, после революции глубокого обучения, мы живем на новой (третьей) волне хайпа искусственного интеллекта, и пока ничто не предвещает, что она скоро закончится.

Машинное обучение — это сегодня один из самых быстро развивающихся разделов информатики, с приложениями в самых разных областях. Цель этой книги — познакомить читателя с фундаментальными принципами машинного обучения и характерными для него алгоритмическими парадигмами. Книга вмещает в себя обширный свод основополагающих теоретических идей машинного обучения и математические выкладки, благодаря которым эти идеи становятся практическими алгоритмами.