مجله علمی تفریحی بیبیس
0

دانلود کتاب علت و معلول تجزیه و تحلیل کسب و کار و علوم داده

  • عنوان کتاب: Cause and Effect Business Analytics and Data Science
  • نویسنده: Dominique Haughton
  • حوزه: علوم داده
  • سال انتشار: 2025
  • تعداد صفحه: 361
  • زبان اصلی: انگلیسی
  • نوع فایل: pdf
  • حجم فایل: 5.49 مگابایت

از جمله مهمترین سوالاتی که کسب و کارها می‌پرسند، سوالات بسیار ساده‌ای هستند: اگر تصمیم به انجام کاری بگیرم، آیا آن کار خواهد کرد؟ و اگر چنین است، اثرات آن چقدر بزرگ است؟ برای پاسخ به این سوالات پیش‌بینی‌کننده و تصمیم‌گیری‌های بعدی بر اساس آنها، باید روابط علی را برقرار کنیم.

ایجاد و اندازه‌گیری علیت می‌تواند دشوار باشد. این کتاب مفیدترین تکنیک‌ها برای تشخیص علیت را توضیح می‌دهد و اصول را با مثال‌های متعدد از کسب و کار نشان می‌دهد. در این کتاب، آزمایش‌های تصادفی (معروف به تست A/B) و تکنیک‌هایی مانند تطبیق امتیاز گرایش، کنترل‌های مصنوعی، تفاوت‌های دوگانه و متغیرهای ابزاری مورد بحث قرار گرفته است. یک فصل در مورد رویکرد قدرتمند هوش مصنوعی گراف‌های غیرمدور جهت‌دار (معروف به شبکه‌های بیزی)، فصل دیگری در مورد مدل‌های معادلات ساختاری و فصل دیگری در مورد تکنیک‌های سری زمانی، از جمله علیت گرنجر، وجود دارد.

در قلب کتاب، چهار فصل در مورد مدل‌سازی ارتقای سازمانی وجود دارد که هدف آن کمک به شرکت‌ها برای تعیین بهترین روش برای استقرار منابع خود برای بازاریابی یا سایر مداخلات است. ما با مدل‌سازی ارتقای سازمانی شروع می‌کنیم، فرآیند آزمون و یادگیری را مورد بحث قرار می‌دهیم و مروری بر تجزیه و تحلیل تجویزی ارتقای سازمانی ارائه می‌دهیم. این کتاب با سبکی قابل فهم نوشته شده است و برای تحلیلگران داده و استراتژیست‌های کسب و کار، دانشجویان و مدرسان کسب و کار و تجزیه و تحلیل که پایه محکمی در آمار دارند، و دانشمندان داده که نیاز به جدی گرفتن علیت را به عنوان یک ورودی ضروری در تصمیم‌گیری مؤثر تشخیص می‌دهند، جالب خواهد بود.

Among the most important questions that businesses ask are some very simple ones: If I decide to do something, will it work? And if so, how large are the effects? To answer these predictive questions, and later base decisions on them, we need to establish causal relationships.
Establishing and measuring causality can be diffcult. This book explains the most useful techniques for discerning causality and illustrates the principles with numerous examples from business. It discusses randomized experiments (aka A/B testing) and techniques such as propensity score matching, synthetic controls, double differences, and instrumental variables. There is a chapter on the powerful AI approach of Directed Acyclic Graphs (aka Bayesian Networks), another on structural equation models, and one on time-series techniques, including Granger causality.
At the heart of the book are four chapters on uplift modeling, where the goal is to help frms determine how best to deploy their resources for marketing or other interventions. We start by modeling uplift, discuss the test-and-learn process, and provide an overview of the prescriptive analytics of uplift.
The book is written in an accessible style and will be of interest to data analysts and strategists in business, to students and instructors of business and analytics who have a solid foundation in statistics, and to data scientists who recognize the need to take seriously the need for causality as an essential input into effective decision-making.

این کتاب را میتوانید از لینک زیر بصورت رایگان دانلود کنید:

Download: Cause and Effect Business Analytics and Data Science

نظرات کاربران

  •  چنانچه دیدگاه شما توهین آمیز باشد تایید نخواهد شد.
  •  چنانچه دیدگاه شما جنبه تبلیغاتی داشته باشد تایید نخواهد شد.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

بیشتر بخوانید

X
آموزش نقاشی سیاه قلم کانال ایتا