Data Fest 2020

Causal Inference in ML

Цель трека - создание causal inference guide для data scientist-ов. Классические и современные подходы причинно-следственного анализа в применении к задачам машинного обучения.

 Организатор трека: Ирина Голощапова 

 Head of Risks, Macro and Research at X5 Retail Group

Премьерное видео: ключевые методы Causal Inference

 

Слайды премьерного видео

Track program

Causal Inference: если бы да кабы

Causal Inference: если бы да кабы

Антон Лебедевич

Mastering Causal

Mastering Causal

Иван Комаров

Не хотите ли чашечку LATE? За пределами контролируемых экспериментов: инструментальные переменные

Не хотите ли чашечку LATE? За пределами контролируемых экспериментов: инструментальные переменные

Филипп Картаев

Causal Inference with Panel Data

Causal Inference with Panel Data

Дмитрий Архангельский

Решение задач дискретной оптимизации непрерывными методами

Решение задач дискретной оптимизации непрерывными методами

Артем Гадецкий

Причинно-следственный анализ для увеличения производства стального проката

Причинно-следственный анализ для увеличения производства стального проката

Борис Воскресенский

Как нацелить Uplift-модель на прибыль

Как нацелить Uplift-модель на прибыль

Ваге Брсоян

Related Tracks

Interpretable & Causal ML

Interpretable & Causal ML

1099+34

Our website uses cookies, including web analytics services. By using the website, you consent to the processing of personal data using cookies. You can find out more about the processing of personal data in the Privacy policy

Learn More