We have all heard the phrase “correlation does not equal causation.” What, then, does equal causation? This course aims to answer that question and more!
от партнера
A Crash Course in Causality: Inferring Causal Effects from Observational Data
Пенсильванский университетОб этом курсе
Недавно просмотрено: 38 800
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Средний уровень
Прибл. 18 часов на выполнение
Английский
Субтитры: Французский, Португальский (Европа), Русский, Английский, Испанский
Приобретаемые навыки
- Instrumental Variable
- Propensity Score Matching
- Causal Inference
- Causality
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Средний уровень
Прибл. 18 часов на выполнение
Английский
Субтитры: Французский, Португальский (Европа), Русский, Английский, Испанский
от партнера
Пенсильванский университет
The University of Pennsylvania (commonly referred to as Penn) is a private university, located in Philadelphia, Pennsylvania, United States. A member of the Ivy League, Penn is the fourth-oldest institution of higher education in the United States, and considers itself to be the first university in the United States with both undergraduate and graduate studies.
Программа курса: что вы изучите
4 ч. на завершение
Welcome and Introduction to Causal Effects
This module focuses on defining causal effects using potential outcomes. A key distinction is made between setting/manipulating values and conditioning on variables. Key causal identifying assumptions are also introduced.
4 ч. на завершение
8 видео ((всего 128 мин.))
2 ч. на завершение
Confounding and Directed Acyclic Graphs (DAGs)
This module introduces directed acyclic graphs. By understanding various rules about these graphs, learners can identify whether a set of variables is sufficient to control for confounding.
2 ч. на завершение
8 видео ((всего 86 мин.))
5 ч. на завершение
Matching and Propensity Scores
An overview of matching methods for estimating causal effects is presented, including matching directly on confounders and matching on the propensity score. The ideas are illustrated with data analysis examples in R.
5 ч. на завершение
12 видео ((всего 171 мин.))
3 ч. на завершение
Inverse Probability of Treatment Weighting (IPTW)
Inverse probability of treatment weighting, as a method to estimate causal effects, is introduced. The ideas are illustrated with an IPTW data analysis in R.
3 ч. на завершение
9 видео ((всего 119 мин.))
Рецензии
- 5 stars76,85 %
- 4 stars18,99 %
- 3 stars2,18 %
- 2 stars0,87 %
- 1 star1,09 %
Лучшие отзывы о курсе A CRASH COURSE IN CAUSALITY: INFERRING CAUSAL EFFECTS FROM OBSERVATIONAL DATA
от партнера CR10 февр. 2019 г.
I thought this was a good overview and I'm glad I took the course, but I would have preferred more hands on programming assignments.
от партнера AP14 дек. 2018 г.
very good content. Story line is highly concise. However, Lecturer could be more stream-lined the the way of explaining. He sure is a skilled guy, however.
от партнера PH6 сент. 2020 г.
I completed all 4 available courses in causal inference on Coursera. This one has the best teaching quality. The material is very clear and self-contained!
от партнера WL16 мар. 2019 г.
Very easy to follow examples and great coverage for such an important topic! The delivery sometimes get repetitive and I wish we talked more about how the uncertainties are derived.
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Что я получу, оплатив сертификацию?
Можно ли получить финансовую помощь?
Остались вопросы? Посетите Центр поддержки учащихся.
