Bedankt voor het vertrouwen het afgelopen jaar! Om jou te bedanken bieden we GRATIS verzending (in België) aan op alles gedurende de hele maand januari.

Afhalen na 1 uur in een winkel met voorraad
In januari gratis thuislevering in België
Ruim aanbod met 7 miljoen producten

Bedankt voor het vertrouwen het afgelopen jaar! Om jou te bedanken bieden we GRATIS verzending (in België) aan op alles gedurende de hele maand januari.

Afhalen na 1 uur in een winkel met voorraad
In januari gratis thuislevering in België
Ruim aanbod met 7 miljoen producten

Winkels

Verlanglijstje

Winkels

Verlanglijstje

Zoeken

Volg ons op

140 winkels

Wist je dat er in Vlaanderen voor iedereen een Standaard Boekhandel is binnen een straal van 7 km?

Vind hier een winkel

€ 134,45

+ 268 punten

Levering 2 à 3 weken

Eenvoudig bestellen

Veilig betalen

In januari gratis thuislevering in België (via bpost)

Gratis levering in je Standaard Boekhandel

Omschrijving

Causal Machine Learning (CausalML) is an umbrella term for machine learning methods that formalize the data generation process as a causal model. This perspective enables one to reason about the effects of changes to this process (interventions) and what would have happened in hindsight (counterfactuals). CausalML can be categorized into five groups according to the problems they address, namely (1) causal supervised learning, (2) causal generative modeling, (3) causal explanations, (4) causal fairness, and (5) causal reinforcement learning. In this monograph, approaches in the five categories of CausalML are systematically compared, and open problems are identified. The field-specific applications in computer vision, natural language processing, and graph representation learning are reviewed. Further, an overview of causal benchmarks is provided, as well as a discussion of the state of this nascent field, including recommendations for future work.