Causal Inference на Python. Причинно-следственные связи в IT-разработке

Сколько покупателей привлечет дополнительный доллар онлайнового маркетинга? Какие покупатели будут покупать только тогда, когда им дадут купон на скидку? Как определить оптимальную ценовую стратегию? Лучший способ выяснить, как имеющиеся в нашем распоряжении рычаги влияют на те бизнес-показатели, которые мы хотим получить, это causal inference. Матеус Факур, старший специалист по анализу данных компании Nubank, рассказывает о практически неиспользованном потенциале causal inference для оценки последствий и эффектов.
Менеджеры, специалисты по обработке данных и бизнес-аналитики познакомятся с классическими методами каузального вывода, такими как рандомизированные контрольные испытания (A/B-тесты), линейная регрессия, оценка склонности, синтетические элементы управления и разница в разнице. Каждый метод сопровождается примером из реальной жизни. 16+ (В соответствии с Федеральным законом от 29 декабря 2010 г. № 4Э6-ФЗ.)

Факур Матеуш. Causal Inference на Python. Причинно-следственные связи в IT-разработке. - Астана : Спринт Бук, 2025. - 400 с. - ISBN 978-601-08-4354-7. - URL: http://new.ibooks.ru/bookshelf/397517/reading (дата обращения: 17.07.2025). - Текст: электронный.