Essential Causal Inference Techniques for Data Science

4.5
звезд

Оценки: 30

от партнера
В этом Проект с консультациями вы:
2 hours
Начинающий
Загрузка не требуется
Видео на разделенном экране
Английский
Только для ПК

Data scientists often get asked questions related to causality: (1) did recent PR coverage drive sign-ups, (2) does customer support increase sales, or (3) did improving the recommendation model drive revenue? Supporting company stakeholders requires every data scientist to learn techniques that can answer questions like these, which are centered around issues of causality and are solved with causal inference. In this project, you will learn the high level theory and intuition behind the four main causal inference techniques of controlled regression, regression discontinuity, difference in difference, and instrumental variables as well as some techniques at the intersection of machine learning and causal inference that are useful in data science called double selection and causal forests. These will help you rigorously answer questions like those above and become a better data scientist!

Навыки, которые вы получите

  • Regression Discontinuity Design

  • Causal Inference

  • Instrumental Variable

  • regression

  • Difference In Differences

Будете учиться пошагово

На видео, которое откроется рядом с рабочей областью, преподаватель объяснит эти шаги:

Как устроены проекты с консультациями

Ваше рабочее пространство — это облачный рабочий стол в браузере. Ничего не нужно загружать.

На разделенном экране видео преподаватель предоставляет пошаговые

Рецензии

Лучшие отзывы о курсе ESSENTIAL CAUSAL INFERENCE TECHNIQUES FOR DATA SCIENCE

Посмотреть все отзывы

Часто задаваемые вопросы