복사가 완료되었습니다.

실무로 통하는 인과추론 with 파이썬

데이터 분석에서 정책 수립까지, 이론과 사례 연구를 통한 실용적인 학습법

ISBN-13

979-11-6921-211-3 (93000)
출판사 / 임프린트

한빛미디어(주) / 한빛미디어
정가

38,000 원 확정정가
발행일

2024-03-05
출간상태

출간
저자

마테우스 파쿠레
번역

신진수 , 가짜연구소 인과추론팀
메인주제어

컴퓨터프로그래밍 / 소프트웨어공학
추가주제어

프로그래밍기법 , 알고리즘과 데이터구조 , 소프트웨어엔지니어링 , 컴퓨터모델링 및 시뮬레이션 , 기계학습
키워드

#데이터과학 #데이터분석 #파이썬 #인과추론 #인과추정 #인과모델 #통계 #확률 #머신러닝 #모델링 #프로그래밍기법 #알고리즘과 데이터구조 #소프트웨어엔지니어링 #컴퓨터모델링 및 시뮬레이션 #기계학습 #컴퓨터프로그래밍 / 소프트웨어공학
도서유형

종이책, 무선제본
대상연령

모든 연령, 성인 일반 단행본
도서상세정보

183 * 235 mm, 464 Page

책소개
목차
본문인용
서평
저자소개

책소개

데이터 기반의 통찰력 있는 의사결정을 위한 인과추론, 효율적인 영향력 분석을 통한 성공적인 비즈니스 정책 결정 온라인 마케팅 예산을 1달러 높이면 구매자는 얼마나 늘어날까요? 할인 쿠폰을 받아야만 구매하는 고객은 어떻게 알아낼까요? 최적의 가격 책정 전략은 어떻게 수립할 수 있을까요? 이 질문들처럼 인과추론은 여러분이 관리하는 요소들이 원하는 비즈니스 지표에 어떤 영향을 미치는지 파악하는 데 가장 유용한 방법입니다. 인과추론은 단 몇 줄의 파이썬 코드만으로 쉽게 구현할 수 있습니다. 이 책은 영향력과 효과를 추정하는 데 있어 인과추론이 지닌 아직 활용되지 않은 잠재력을 설명합니다. 관리자, 데이터 과학자, 데이터 분석가를 위한 A/B 테스트, 선형회귀, 성향점수, 통제집단합성법, 이중차분법과 같은 고전적 인과추론 방법과, 이질적 효과 추정을 위한 머신러닝 도입과 같은 현대적 접근법을 실제 응용 사례와 함께 다룹니다.

[PART 1 인과추론 기초] 1장 인과추론 소개 _1.1 인과추론의 개념 _1.2 인과추론의 목적 _1.3 머신러닝과 인과추론 _1.4 연관관계와 인과관계 _1.5 편향 _1.6 인과효과 식별하기 _1.7 요약 2장 무작위 실험 및 기초 통계 리뷰 _2.1 무작위 배정으로 독립성 확보하기 _2.2 A/B 테스트 사례 _2.3 이상적인 실험 _2.4 가장 위험한 수식 _2.5 추정값의 표준오차 _2.6 신뢰구간 _2.7 가설검정 _2.8 p 값 _2.9 검정력 _2.10 표본 크기 계산 _2.11 요약 3장 그래프 인과모델 _3.1 인과관계에 대해 생각해보기 _3.2 그래프 모델 집중 훈련 _3.3 식별 재해석 _3.4 조건부 독립성 가정과 보정 공식 _3.5 양수성 가정 _3.6 구체적인 식별 예제 _3.7 교란편향 _3.8 선택편향 _3.9 요약 [PART 2 편향 보정] 4장 유용한 선형회귀 _4.1 선형회귀의 필요성 _4.2 회귀분석 이론 _4.3 프리슈-워-로벨 정리와 직교화 _4.4 결과 모델로서의 회귀분석 _4.5 양수성과 외삽 _4.6 선형회귀에서의 비선형성 _4.7 더미변수를 활용한 회귀분석 _4.8 누락 변수 편향 _4.9 중립 통제변수 _4.10 요약 5장 성향점수 _5.1 관리자 교육의 효과 _5.2 회귀분석과 보정 _5.3 성향점수 _5.4 디자인 vs. 모델 기반 식별 _5.5 이중 강건 추정 _5.6 연속형 처치에서의 일반화 성향점수 _5.7 요약 [PART 3 이질적 효과와 개인화] 6장 이질적 처치효과 _6.1 ATE에서 CATE로 _6.2 예측이 답이 아닌 이유 _6.3 회귀분석으로 CATE 구하기 _6.4 CATE 예측 평가하기 _6.5 모델 분위수에 따른 효과 _6.6 누적 효과 곡선 _6.7 누적 이득 곡선 _6.8 목표 변환 _6.9 예측 모델이 효과 정렬에 좋을 때 _6.10 의사결정을 위한 CATE _6.11 요약 7장 메타러너 _7.1 이산형 처치 메타러너 _7.2 연속형 처치 메타러너 _7.3 요약 [PART 4 패널데이터] 8장 이중차분법 _8.1 패널데이터 _8.2 표준 이중차분법 _8.3 식별 가정 _8.4 시간에 따른 효과 변동 _8.5 이중차분법과 공변량 _8.6 이중 강건 이중차분법 _8.7 처치의 시차 도입 _8.8 요약 9장 통제집단합성법 _9.1 온라인 마케팅 데이터셋 _9.2 행렬 표현 _9.3 통제집단합성법과 수평 회귀분석 _9.4 표준 통제집단합성법 _9.5 통제집단합성법과 공변량 _9.6 통제집단합성법과 편향 제거 _9.7 추론 _9.8 합성 이중차분법 _9.9 요약 [PART 5 대안적 실험 설계] 10장 지역 실험과 스위치백 실험 _10.1 지역 실험 _10.2 통제집단합성법 설계 _10.3 스위치백 실험 _10.4 요약 11장 불응과 도구변수 _11.1 불응 _11.2 잠재적 결과 확장 _11.3 도구변수 식별 가정 _11.4 1단계 _11.5 2단계 _11.6 2단계 최소제곱법 _11.7 표준오차 _11.8 통제변수와 도구변수 추가 _11.9 불연속 설계 _11.10 요약 12장 더 배울 내용 _12.1 인과관계 발견 _12.2 순차적 의사결정 _12.3 인과적 강화학습 _12.4 인과 예측 _12.5 도메인 적응 _12.6 요약 에필로그 실무에 인과추론 적용하기 찾아보기

본문인용

서평

파이썬으로 익히는 인과추론: 비즈니스 원리를 파악하고 성공적인 전략 수립하기 “우리는 일상생활에서 무의식중에 수많은 인과추론을 하며 살아갑니다. 그만큼 인과추론은 우리의 사고방식과 밀접하지만, 그렇기 때문에 오히려 인과추론의 중요성과 어려움을 간과하기 쉽습니다. 하지만 데이터 분석이 우리의 추론과 의사결정을 대신하기 시작하면서, 현상에 대한 인과관계는 빅데이터의 홍수 속에 파묻혀 점점 더 모호해지고 있습니다. 데이터에서 원인과 결과를 추론하는 것은 생각보다 훨씬 더 어려운 일입니다. 그렇다고 불가능한 일도 아닙니다. 지난 수년간 인과추론에 대한 관심은 나날이 높아졌고, 학계뿐 아니라 현업 개발자 및 데이터분석가 사이에서도 인과추론의 필요성이 대두되면서 빅데이터 구축 및 (예측을 주목적으로 하는) AI/ML 모델 개발 일변도였던 데이터과학 트렌드에 변화의 바람이 불고 있습니다. 한국어 학습자료가 많지 않은 현 상황에서, 이 책은 인과추론에 입문하고자 하는 분들에게 가뭄에 단비 같은 자료가 될 것입니다. 이 책은 통계와 머신러닝에 관한 수학과 이론에 치우치지 않으면서 인과추론의 핵심 개념을 이해하기 쉽게 설명하며, 최신 연구 결과들까지도 충실히 담고 있습니다. 또한 파이썬 실습을 통해 실무적이고 실전적인 학습을 균형 있게 다루는 만큼, 곁에 두고 필요할 때 찾아볼 수 있는 지침서이자 참고서로서도 손색이 없습니다. 인과추론에 입문하는 연구자들과 현업 데이터 분석가 여러분께 이 책을 강력하게 권합니다.” 서문 ‘감수자의 말’ 중에서주요 내용인과추론의 기본 개념과 활용법 익히기인과추론과 편향의 관계 이해하기인과추론으로 비즈니스 문제 해결하기인과추론으로 고객을 시간에 따라 관찰하기인과효과가 실험 대상마다 다를 수 있는 이유 학습하기

저자소개

저자 : 마테우스 파쿠레
아시아 외 지역의 최대 핀테크 회사인 누뱅크(Nubank)에서 경제학자이자 시니어 데이터 과학자로 일하고 있습니다. 그는 자동화된 실시간 금리 및 신용 결정부터 교차 판매 이메일, 마케팅 예산 최적화에 이르기까지 다양한 비즈니스 상황에서 인과추론을 성공적으로 적용해왔습니다. 또한 인기 있는 오픈소스 도서인 『Causal Inference for the Brave and True』의 저자로, 이 책에서 엄격하지만 재미있는 방식으로 인과추론을 알리고자 노력하고 있습니다.

번역 : 신진수
네오플을 거쳐 크래프톤(KRAFTON)의 데이터 분석가로 일하고 있습니다. 게임 업계에서 쌓은 커리어를 기반으로 <던전앤파이터>, <뉴스테이트 모바일>, <배틀그라운드 모바일> 등 다양한 장르의 게임에서 데이터 분석과 실험을 통해 유저 경험을 개선하는 데 기여했습니다. 비영리 데이터 사이언스 커뮤니티인 가짜연구소에서 인과추론팀을 운영 중입니다. 마테우스 파쿠레의 웹북 「Causal Inference for The Brave and True」를 한국어로 번역하는 작업을 주도했습니다(https://github.com/CausalInferenceLab/Causal-Inference-with-Python).

번역 : 가짜연구소 인과추론팀
가짜연구소 인과추론팀은 2022년부터 데이터를 통한 문제 해결력을 높이고자 인과추론을 함께 학습하고 있습니다. 한국어 자료가 많지 않은 인과추론을 많은 분이 쉽게 접하실 수 있도록 기여하고자 하는 마음으로, 가짜연구소에서 인과추론 이야기와 실험 및 조직문화에 대한 이야기를 이어나가고 있습니다. 이 책의 번역 작업에는 인과추론팀 김소희, 김성수, 김상돈, 김준영, 남궁민상, 박시온, 최은희, 정호재, 홍성철이 함께 참여했습니다.

실무로 통하는 인과추론 with 파이썬

데이터 분석에서 정책 수립까지, 이론과 사례 연구를 통한 실용적인 학습법

책소개

목차

본문인용

서평

저자소개