先决条件: 机器学习基础、因果推断知识、Python编程。

您将学到什么

• 因果关系的进阶识别

  应用和评估最先进的算法，以找出观测数据和干预数据中的因果结构。

• 高维效应估计

  应用如双重机器学习和因果森林等方法，在高复杂度数据集中估计异质性处理效应。

• 处理隐藏偏差

  使用如工具变量、RDD、DiD和近端推断等技术，以减少未观测到的混淆和选择偏差。

• 动态环境下的因果推断

  分析时间序列数据和动态处理方案中的因果关系。

• 系统整合

  将因果考量和方法直接整合到机器学习的开发、评估和监控流程中。