图书标签: 因果关系  哲学  英文原版  AI  数学史  Statistics  DS   

喜欢 The Book of Why 的读者还喜欢

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。

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。

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。

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。

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。

这本书说的是人类思维中最重要的逻辑关系——因果关系。 人类的大脑中有强烈的因果直觉，这种直觉在正向判断中非常高效。当看到一件事情时，我们能够很有把握地判断出它可能导致的结果。但是反过来，我们的直觉往往不够有效。也就是说，当看到结果时，我们常常无法快速准确地推...  

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 ...  

“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...  

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...  

这本书说的是人类思维中最重要的逻辑关系——因果关系。 人类的大脑中有强烈的因果直觉，这种直觉在正向判断中非常高效。当看到一件事情时，我们能够很有把握地判断出它可能导致的结果。但是反过来，我们的直觉往往不够有效。也就是说，当看到结果时，我们常常无法快速准确地推...