朱迪亚·珀尓(Judea Pearl),现加州大学洛杉矶分校计算机科学教授,“贝叶斯网络”之父,2011年因创立因果推理演算法获得图灵奖,同时也是美国国家科学院院士,IEEE智能系统名人堂第一批10位入选者之一。
目前已出版3本关于因果关系科学的经典著作,分别为《启发法》(1984)、《智能系统中的概率推理》(1988)和《因果论:模型、论证、推理 》(2009)。他还获得过多项顶级科学荣誉,包括认知科学领域的鲁梅哈特奖、物理学及技术领域的富兰克林奖章以及科学哲学领域的拉卡托斯奖。
达纳·麦肯齐(Dana Mackenzie),普林斯顿大学数学博士,自由科学记者,知名科普作家,著有《无言的宇宙》等作品,其学术论文多次收录于《科学》《新科学家》《科学美国》《探索》等重量级期刊。
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...
评分笛卡尔在《谈谈方法》和《第一哲学沉思集》都曾探究过什么样的知识才是可靠的问题。他说,历史上什么观点都有争议,说明每一个观点都有可疑之处——我倒是认为,即是众人观点一致,这种观点依然很可疑。和笛卡尔一样,雅斯贝尔斯在《生存哲学》中也是这么谈论“真理”,他说,...
评分非常有趣。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。
评分非常有趣。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。
评分非常有趣。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。
评分非常有趣。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。
评分非常有趣。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。
本站所有内容均为互联网搜索引擎提供的公开搜索信息,本站不存储任何数据与内容,任何内容与数据均与本站无关,如有需要请联系相关搜索引擎包括但不限于百度,google,bing,sogou 等
© 2025 qciss.net All Rights Reserved. 小哈图书下载中心 版权所有