|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/python-ml-causal-inference/
课程评论：没有评论
**Coursera课程总结：Python因果推断与机器学习** 本课程旨在帮助学员掌握如何从数据中正确理解因果关系，并利用Python进行实践，从而做出基于数据的决策。随着数据分析和机器学习领域的不断发展，因果推断的重要性日益凸显，但数据中存在的“陷阱”往往导致错误的结论。 **课程内容概览：** * **引言与伪相关：** 课程将介绍伪相关现象，分析相关关系产生的场景，并指导学员如何识别数据中的伪相关。 * **d-Separation：** 学习d-separation作为识别因果关系的关键工具，了解如何运用d-separation法进行更精确的因果效应估计，并通过Python的DoWhy库进行实践。 * **倾向得分与IPW：** 掌握倾向得分的定义以及逆概率加权（IPW）这一因果推断方法，学习如何利用IPW校正观测数据的偏差，实现更准确的因果关系估计，并结合DoWhy库进行实践。 * **Meta-learners：** 学习使用Meta-learners（包括S-Learner, T-Learner, X-Learner）来估计因果效应，并利用Python的EconML库进行实现。 * **提升模型（Uplift Modeling）：** 学习提升模型，评估其对客户行为和决策的影响，并掌握估计个体特征差异化效应的技巧。 **目标学员与先修知识：** 本课程面向所有希望利用数据进行决策的数据科学家、分析师、营销人员等。虽然具备Python基础知识和机器学习基本理解会有帮助，但并非绝对必要。
データ分析や機械学習の分野において、正しく因果関係を理解し、データに基づく意思決定を行うことが年々重要になってきました。このような学問分野は因果推論と呼ばれ、近年注目され始めています。しかし、データから因果関係を知ろうとすると、そこにはさまざまなトラップが潜んでおり、正しく推定することが難しく、誤った結論につながってしまうことがあります。そこで本コースでは、因果推論の理論を学びながらPythonを使って実践することで、データから効果を推定する手法を学んでいきます。コースの概要:イントロと擬似相関データの見方と相関関係が生まれてしまう状況を紹介します。d分離因果関係の特定において、変数を特定するためにd分離は重要なツールとなります。因果効果の正確な推定に向けたd分離法やざっと学びます。PythonのDoWhyパッケージを用いて演習します。傾向スコアとIPW傾向スコアの定義と、逆確率重み付け（Inverse Probability Weighting、IPW）を使用した、因果効果の推論手法を学びます。これにより、観測データの偏りを補正し、より正確な因果関係の推定が可能になります。PythonのDoWhyパッケージを用いて演習します。Meta-learnersMeta-Learnersという手法を使用して、因果効果を推定する手法を学びます。EconMLというPythonパッケージを用いて、S-Learner, T-Learner, X-Learnerを実装します。アップリフトモデリング顧客の行動や意思決定に対する効果を評価するための手法としてアップリフトモデリングを学びます。個々の特性に応じた効果を推定するためのスキルを習得します。対象と前提知識本コースは、データサイエンティストやアナリスト、マーケターなど、データを活用する方に向けて作られています。Pythonの基本的な知識や機械学習の基本的な理解があるとよいですが、必須ではありません。
