Публикации по теме 'causality'


Искусственная контрфактическая оценка (ACE): причинно-следственная связь на основе машинного обучения в Airbnb
Автор: Zhiying Gu , Qianrong Wu Краткое содержание Что делать, если вы хотите измерить влияние изменения на свой бизнес, но не можете провести рандомизированный контролируемый эксперимент? Это именно та проблема, с которой мы столкнулись при измерении преимуществ нового инструмента, используемого подразделениями Airbnb для автоматизации части своего рабочего процесса. Из-за организационных ограничений было просто невозможно случайным образом назначать инструмент агентам..
Внедрение искусства в искусственный интеллект
Недавно компания QuantumBlack сотрудничала с художником и исследователем искусственного интеллекта Соугвеном Чангом, чтобы помочь нам изучить концепцию гибридного интеллекта, подпитываемого данными. На протяжении десятилетий пересечение искусства и данных было увлекательной областью творчества и инноваций. Генеративное искусство — концепция, при которой часть или все произведения искусства создаются автономной системой — может проследить свои корни до 1960-х годов , в то время как..
Причинно-следственный вывод, часть 2: от корреляции к причинно-следственной связи: наука о данных причинно-следственного вывода
От корреляции к причинно-следственной связи, понимание причинно-следственного вывода и его методов, предположений, приложений и лучших практик в науке о данных Введение В науке о данных понимание причинно-следственных связей имеет решающее значение для создания точных прогнозов и принятия эффективных мер. Понимание причинно-следственной связи позволяет нам определить основные механизмы, которые управляют системой, и понять, как различные факторы взаимодействуют для получения..
Демистификация причинности: введение в причинно-следственный вывод и приложения. Часть 4.
В предыдущих сообщениях мы обсуждали выявление причинно-следственных моделей и расчет ATE с использованием причинно-следственных графов. Однако что, если у нас нет доступа к причинно-следственному графу? В таких ситуациях методы причинного обнаружения могут быть невероятно полезными. Эти методы предлагают захватывающий способ получить представление о структурах данных и причинно-следственных связях непосредственно из самих данных. Ранее мы упоминали предположение Маркова. Чтобы освежить..
Запутывать через эксперименты
Одна из фундаментальных проблем современных методов машинного обучения. Вы можете прочитать эту статью в моем блоге, если вы предпочитаете средний уровень . Предположим, вы работаете с новой компанией и хотите выяснить, стоит ли размещать новую статью на первой странице (назовем эту статью «А»). Как специалист по данным, вы хотите выяснить, следует ли размещать A на первой странице, размещать A на первой странице только для определенных людей или никогда не отображать A на первой..
Причинный вывод с использованием обработки естественного языка
Мысли и теория Причинный вывод с использованием обработки естественного языка Оценка причинно-следственных связей текстовых переменных с применением методов НЛП и их применение в исследованиях в области социальных наук. Недавно мне выпала честь дать интервью для авторского внимания редактора TDS Бен Хубермана. Я воспользовался возможностью, чтобы выделить свой коннекционистский подход к изучению науки о данных. В частности, я обсуждал свое желание постоянно связывать идеи -..
Скорость против точности: когда корреляции достаточно? Когда вам нужна причинно-следственная связь?
Часто нам нужны быстрые ответы с ограниченными ресурсами. Мы должны выносить суждения в мире, полном неопределенности. Мы не можем все измерить. Мы не можем проводить все эксперименты, которые нам нужны. У вас может не быть ресурсов для моделирования продукта или влияния решения. Как найти баланс между быстрым и правильным ответом? Как минимизировать неопределенность с ограниченными ресурсами? Есть разные типы неопределенности. Существует неопределенность из-за ограниченного..