『因果推論』（金本拓：オーム社）は因果推論に留まらず現代的なマーケティング分析手法まで網羅したバイブル - 渋谷駅前で働くデータサイエンティストのブログ
因果推論: 基礎から機械学習・時系列解析・因果探索を用いた意思決定のアプローチ 作者:金本 拓オーム社Amazon 著者の金本さんからご指名でご恵贈いただいたのが、こちらの『因果推論 ―基礎から機械学習・時系列解析・因果探索を用いた意思決定のアプローチ―』です。正直に白状しますと、因果推論とタイトルにつく技術書はここ数年でゴマンと出版されており、本書も紙冊子で頂戴したものの僕はあまり期待せずにページをめくり始めたのでした（ごめんなさい）。 ところが、ほんの数ページめくっただけでその内容に僕は仰天しました。グラフィカルで実務家にとっての分かりやすさを重視した因果推論の解説と実践にとどまらず、現代的なマーケティング分析では必須の種々の手法についてまで懇切丁寧に解説とPythonによる実践例が付された本書は、文字通り「マーケティング分析実務家にとってのバイブル」になり得る素晴らしい一冊だと直感し
Pythonによる因果推論と因果探索（初心者の方向け） - Qiita
因果推論と因果探索を学びたい初心者の方を対象に、因果分析のPythonプログラムを実際にGoogle Colaboratoryで実装しながら学ぶ書籍を執筆しました。 単著としては、「つくりながら学ぶ! PyTorchによる発展ディープラーニング」、以来、約1年ぶりの新刊となります。 本記事では、因果分析の書籍を執筆したモチベーション、Pythonによる因果推論、因果探索の概要について解説します。 「つくりながら学ぶ! Pythonによる因果分析 ~因果推論・因果探索の実践入門」 ●2020年6月30日発売 ●著者：小川雄太郎（自己紹介、Twitter）@電通国際情報サービス（ISID） ●出版社: マイナビ出版 本記事の内容 ● 0. 本書を執筆したモチベーション ● 1. 因果推論が必要な事例 ● 2. 因果推論をしたいデータ ● 3. 因果推論の方法 ● 4. 因果探索の手法 ● 5.
機械学習を用いた要因分析 - 理論編 Part 2
プラットフォームの概要 AI Platform 生成 AIおよび予測 AIのプラットフォーム もっと詳しく ドキュメント 新機能 ログイン 無料で始める 運用 自信を持ってAIを拡張し、比類のないエンタープライズ・モニタリングとコントロールでビジネス価値を促進 デプロイと実行 再学習と最適化 監視と介入 ガバナンス AIの環境、チーム、およびワークフローを統合し、大規模な範囲での完全な可視性と監視を実現 レジストリと管理 監査と承認 コンプライアンスドキュメント生成 構築 ニーズの進化に合わせて自由に適応できるオープンなAIエコシステムで、迅速なイノベーションを実現 分析と変換 学習とチューニング 組立てと比較 プラットフォーム統合 インフラストラクチャーへのデプロイ ソリューション 業界ごと ヘルスケア 製造 小売業 金融サービス 成果ごと ユースケースのライブラリー お客様事例 Dat
RIETI - 成田 悠輔のRIETIでの活動
2024年3月 離散選択モデルによる選択データの近似 ノンテクニカルサマリー 2024年3月 Approximating Choice Data by Discrete Choice Models ディスカッション・ペーパー（英語） 2023年12月21日 22世紀の資本主義 ー 経済思想っぽいフワフワしたことを経済学者が考えてみる ー BBLセミナー（2023年12月15日開催） 2023年11月 SMART-EXAM：被験者の厚生を考慮した連続多段階ランダム割付試験 ノンテクニカルサマリー 2023年11月 SMART-EXAM: Incorporating Participants' Welfare into Sequential Multiple Assignment Randomized Trials ディスカッション・ペーパー（英語） 2023年6月 頑健で安定な政策学習に向け
成田悠輔（イェール大学、半熟仮想）
データやアルゴリズムが、機能不全に陥った社会の価値制度インフラを変えていくという理念の下で、複数の国や文化、業界をまたいで活動する「革命家」。 141410 人工知能（AI）や機械学習と社会科学・哲学を融合し、政策や事業に組み込むことで、まだ見ぬ社会をデザインする——。それが、イェール大学の助教授であり、スタートアップ企業「半熟仮想」の代表取締役社長を務める成田悠輔の目指すところだ。そういった意味では彼は、AIの専門家というよりは、AIとの融合によって社会を変革しようとする「革命家」と呼べるかもしれない。 成田は自身の活動の軸を、(1)「研究開発＆技術解放」、(2)「ビジネス＆政策（特に教育）」、(3)「22世紀の社会構想」の3つに置き、昼は日本で半熟仮想の代表として(2)と(3)に、夜は米国でイェール大学助教授として(1)に取り組んでいる。「複数の国や文化、業界をまたいで、分裂もいとわず
『施策デザインのための機械学習入門』という本を技術評論社さんから出版します - Counterfactualを知りたい
Twitterでたびたび告知させていただいていますが、『施策デザインのための機械学習入門』という本を技術評論社さんから出させていただきます。紙版は8月4日発売（本記事公開の翌日）、電子版は7月30日にすでに発売されています。 gihyo.jp www.amazon.co.jp 本書の概要は次の通りです。 予測に基づいた広告配信や商品推薦など，ビジネス施策の個別化や高性能化のために機械学習を利用することが一般的になってきています。その一方で，多くの機械学習エンジニアやデータサイエンティストが，手元のデータに対して良い精度を発揮する予測モデルを得たにもかかわらず，実際のビジネス現場では望ましい結果を得られないという厄介で不可解な現象に直面しています。実はこの問題は，機械学習の実践において本来必要なはずのステップを無視してしまうことに起因すると考えられます。機械学習を用いてビジネス施策をデザイン
今起きている革命、「因果革命」とは - Qiita
みなさまは"The Causal Revolution" (因果革命)という言葉を聞いたことがあるでしょうか？ 私は今月(2021年6月)に初めて知りました。Google Trendsでもデータ不足によりトレンドが表示されません。 つまりまだ全然マイナーな概念で、聞いたことがないほうが自然かと思われますが、これは「来る」と確信したため本記事を投稿しました。この確信の根拠の箇所を記事中で太字で書いた他、最後にもまとめたため、本記事を読む価値がありそうかの判断には先にそちらを読んでもらってもいいかもしれません。しかしながら、因果革命ないし統計的因果推論は学ぶ価値のある分野です。本記事を読まなくても下記に挙げた書籍を未読の方はぜひ一読してみてください。Qiitaでも因果推論についての記事はいくつもあります。しかし、私が感動した点を明示化した記事は見当たらなかったため本記事を投稿しました。 この記
【記事更新】私のブックマーク「反実仮想機械学習」（Counterfactual Machine Learning, CFML） – 人工知能学会 (The Japanese Society for Artificial Intelligence)
Home » リソース » 私のブックマーク » 【記事更新】私のブックマーク「反実仮想機械学習」（Counterfactual Machine Learning, CFML） 反実仮想機械学習（Counterfactual Machine Learning, CFML）齋藤 優太（東京工業大学） はじめに機械学習の応用において，反実仮想（Counterfactual）─起こり得たけれども実際には起こらなかった状況─についての情報が得られるとうれしい場面が多くある．例えば，「今動いている推薦アルゴリズムを仮に別のアルゴリズムに変えたときにコンバージョン率はどれくらいになるだろうか？」や「あるユーザに仮にクーポンを与えた場合に離反率はどれくらい減少するだろうか？」などの実務現場でよくある問いに答えるためには，反実仮想についての情報を知る必要がある． 反実仮想機械学習（CFML）とは，因果効果
DoWhy | An end-to-end library for causal inference — DoWhy | An end-to-end library for causal inference documentation
Introducing DoWhy DoWhy | An end-to-end library for causal inference Graphical Models and Potential Outcomes: Best of both worlds Four steps of causal inference Citing this package Roadmap Contributing Quick-Start Tutorial Tutorial on Causal Inference and its Connections to Machine Learning (Using DoWhy+EconML) Starter Notebooks Getting started with DoWhy: A simple example Confounding Example: Fin
ノーベル経済学賞でも注目の因果推論を俯瞰する｜Tack@データサイエンス
■2019年ノーベル経済学賞でも取り上げられたRCT2019年のノーベル経済学賞は ・アビジット・バナジー(MIT) ・エステール・デュフロ(MIT) ・マイケル・クレマー(ハーバード) の3名に授与されることになりました。 3人は貧困解消について理論よりも実践的な取り組みを優先し、数百万人の子どもを支援した功績が認められたとのことです。 また、ランダム化比較試験(RCT)という研究方法をいち早く開発経済学に応用し、漫然と教科書の提供や無料給食を実施しても効果が少ない一方、本当に手助けが必要な生徒に的を絞った支援をすると、全体の教育水準が大きく改善することなどをフィールドワークで突き止めた、とも記載されています。 https://www.newsweekjapan.jp/stories/world/2019/10/3-150.php 今回、注目されているRCTは、実証的根拠に基づく政策立案
Understanding Causality Is the Next Challenge for Machine Learning
“Causality is very important for the next steps of progress of machine learning,” said Yoshua Bengio, a Turing Award-wining scientist known for his work in deep learning, in an interview with IEEE Spectrum in 2019. So far, deep learning has comprised learning from static datasets, which makes AI really good at tasks related to correlations and associations. However, neural nets do not interpret ca
「効果検証入門」をPythonで書いた - Qiita
TL;DR 書籍「効果検証入門 正しい比較のための因果推論／計量経済学の基礎」のRソースコードを、Pythonで（ほぼ）再現しました https://github.com/nekoumei/cibook-python 本記事では、主にRではライブラリどーん！で済むけどPythonではそうはいかない部分の解説をします 書籍の紹介 https://www.amazon.co.jp/dp/B0834JN23Y 上記Amazonに目次が載っているのでそれを見るのが早い気がしますが。。 とても良い本です。正確な意思決定を行うためにどうやってバイアスを取り除くか？に焦点を当てて種々の因果推論の手法（傾向スコア/DiD/RDDなど）をRソースコードによる実装とともに紹介されています。 全体を通して、現実問題の効果検証に因果推論を活用するにはどうすればいいか？という観点で書かれており、非常に実用的だなーと
データサイエンスで役になった洋書（和訳本なし） - データサイエンスまわり備忘録
おすすめの和書はいろんな人が紹介しているが、洋書の紹介は少ない。 以下、和書ではあまり書かれていないことが書かれていて面白かった書籍をリストアップ。若干古めだが。 "Causality: Models, Reasoning and Inference" by Judea Pearl ベイジアンネットワークや統計的因果推論の立役者である Judea Pearl 先生の古典的名著。「因果 〜モデル・論理・推論〜」。先生の研究において、実験データの解析における交絡や介入の効果を数学的記述からきちんと基礎づけされた。その功績が認められてチューリング賞。その研究をまとめた書籍。ただし、実務者が勉強として手に取るにはフィロソフィカルすぎるかもしれない。（和訳なしと思っていたが、横浜国立大学の黒木先生が訳されていた。ならばこの本、もっと有名になってもいいはずなのに） "An Introduction t
黒川博文 Hirofumi Kurokawa - 因果推論のための計量経済学
畑農 鋭矢・水落 正明（2022）データ分析をマスターする12のレッスン〔新版〕 サポートサイトでは、練習問題の解説や、データ、StataやEviewsによる分析コードが提供されています。 今井耕介（2018）社会科学のためのデータ分析入門 上・下 原著：Kousuke Imai (2017) Quantitative Social Science: An Introduction サポートサイトでは、Rのコード等が提供されています。Rで実践しながら学ぶにも最適な書籍です。 Jeffrey B. Arnold: Quantatitive Social Science: The R Tidyverse Codeのサイトでは、 モダンなRパッケージTidyverseを使って、同書のコードを提供しています。 公式のTidyverse版もでました→ Kosuke Imai, Nora Webb W
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Inferring causality in time series data
統計的因果推論への招待 -因果構造探索を中心に- - SlideShare
CausalImpact
Welcome to econml’s documentation! — econml 0.15.0 documentation
Sudeepa Roy
「なぜ」を理解するAIの構築を、あの人工知能の第一人者は目指している