Pythonライブラリによる因果推論・因果探索［概念と実践］ 因果機械学習の鍵を解く
あらすじ
広大な因果世界を幅広くカバー！
因果推論・因果探索のコード例を多数掲載
原著は米国Amazonでカテゴリーベストセラー（2024/6上旬など）
データサイエンティスト、機械学習エンジニアなら知っておきたい
因果的概念、グラフによる理解、因果探索の実践などを解説。
パート1では、関連・介入・反事実、構造的因果モデルなど、
因果推論を構成する基本概念と、グラフ表現を解説。
パート2では、因果推論プロセスの4ステップのほか、
DoWhy／EconMLを使った因果推論の実装などを説明。
パート3では、因果探索の概念、因果分析プロセスでの位置づけ、
gCastle等を使った高度な因果探索の実装を取り上げます。
【章構成】
■Part1 速習：因果関係
第1章 因果関係に取り組む理由：機械学習があるのに？
第2章 ジューディア・パールと因果のはしご
第3章 回帰、観測、介入
第4章 グラフィカルモデル
第5章 チェーン、フォーク、コライダー
■Part2 因果推論
第6章 ノード、エッジ、統計学的な独立と従属
第7章 4ステップの因果推論プロセス
第8章 因果モデル―仮定と課題
第9章 因果推論と機械学習―マッチングからメタ学習器まで
第10章 因果推論と機械学習―高度な推定器、実験、評価など
第11章 因果推論と機械学習―ディープラーニング、NLPなど
■Part3 因果探索
第12章 因果グラフをいただけますか―因果関係の知識源
第13章 因果探索と機械学習―仮定から応用まで
第14章 因果探索と機械学習―高度なディープラーニングとその先へ
第15章 エピローグ