분류 전체보기

안녕하세요, 가짜연구소 Causal Inference 팀의 김상돈, 김준영입니다. Introduction to Causal Inference 강의의 11번째 챕터이며, 해당 챕터에서 다루는 내용은 아래와 같습니다. Contents Independence-Based Causal Discovery Semi-Parametric Causal Discovery ◦ 강의 영상 링크 : https://www.youtube.com/watch?v=lVE-4deFe7c&list=PLoazKTcS0Rzb6bb9L508cyJ1z-U9iWkA0&index=62 작성된 내용 중 개선점이나 잘못된 부분이 있다면 댓글로 알려주세요! Causal Discovery 의미 Causal Discovery : Data → Causal gra..

안녕하세요, 가짜연구소 Causal Inference 팀의 김성수, 남궁민상입니다. Introduction to Causal Inference 강의의 열 번째 챕터이며, 해당 챕터에서 다루는 내용은 아래와 같습니다. Contents Motivation and Preliminaries Difference-in-Differneces Overview Assumptions and Proof Probelms with Difference-in-Differences ◦ 강의 영상 링크 : Chapter 10 - Difference in Difference 작성된 내용 중 개선점이나 잘못된 부분이 있다면 댓글로 알려주세요! 1. Motivation Q. 인과관계를 밝히려면 어떻게 해야할까요? A. RCT, frontd..

안녕하세요, 가짜연구소 Causal Inference 팀의 남궁민상, 정호재입니다. Introduction to Causal Inference 강의의 아홉번째 챕터이며, 해당 챕터에서 다루는 내용은 아래와 같습니다. 강의 영상 링크 : https://youtu.be/B0SRWteGoOw 작성된 내용 중 개선점이나 잘못된 부분이 있다면 댓글로 알려주세요! Contents Intro What is an Instrument? No Nonparametric Identification of the ATE Warm-Up: Binary Linear Setting Continuous Linear Setting Nonparametric Identification of the LATE IV in More General S..

안녕하세요, 가짜연구소 Causal Inference 팀의 최은희, 김상돈입니다. Introduction to Causal Inference 강의의 여덟번째 챕터이며, 해당 챕터에서 다루는 내용은 아래와 같습니다. 강의 영상 링크 : https://youtu.be/IXNMYqUsBBQ 작성된 내용 중 개선점이나 잘못된 부분이 있다면 댓글로 알려주세요! Contents Overview Potential Outcomes, ATE 리마인드 Bounds Observational-Counterfactual Decomposition No-Assumptions Bound Monotone Treatment Response (MTR) Monotone Treatment Selection (MTS) Optimal Treat..

안녕하세요, 가짜연구소 Causal Inference 팀의 남궁민상입니다. Introduction to Causal Inference 강의의 일곱 번째 챕터이며, 해당 챕터에서 다루는 내용은 아래와 같습니다. Contents Conditional Average Treatment Effect Conditional Outcome Modeling TARNet & X-Learner Propensity Scores & IPW Other Methods ◦ 강의 영상 링크 : Chapter 6 - Estimation 작성된 내용 중 개선점이나 잘못된 부분이 있다면 댓글로 알려주세요! CATE ATE \[\tau(x) \overset{\Delta}{=} \mathbb{E}[Y(1)-Y(0)\,|\,X=x]\] Assu..

안녕하세요, 가짜연구소 Causal Inference 팀의 남궁민상입니다. Introduction to Causal Inference 강의의 여섯 번째 챕터이며, 해당 챕터에서 다루는 내용은 아래와 같습니다. Contents $do$-calculus Determining Identifiability from the Graph ◦ 강의 영상 링크 : Chapter 5 - Randomised Experiments and Identification Ch 5와 6이 하나의 강의로 합쳐져 있습니다. 위 영상의 전반부는 교과서의 Ch 5, 후반부는 Ch 6 내용입니다. 그래서 여기서부터는 영상 제목과 챕터 제목이 안 맞습니다ㅠ 작성된 내용 중 개선점이나 잘못된 부분이 있다면 댓글로 알려주세요! $do$-calcul..

안녕하세요, 가짜연구소 Causal Inference 팀의 김소희입니다. Introduction to Causal Inference 강의의 다섯 번째 챕터이며, 해당 챕터에서 다루는 내용은 아래와 같습니다. Contents Randomized Experiments Frontdoor adjustment ◦ 강의 영상 링크 : Chapter 5 - Randomised Experiments 작성된 내용 중 개선점이나 잘못된 부분이 있다면 댓글로 알려주세요! (1) Randomized Experiments Randomized experiments are magic Observational study : 관측되지 않은 confounders의 존재가능성 때문에, unconfoundedness를 보장받거나 backd..

안녕하세요, 가짜연구소 Causal Inference 팀의 김성수, 정호재입니다. Introduction to Causal Inference 강의의 네 번째 챕터이며, 해당 챕터에서 다루는 내용은 아래와 같습니다. Contents Do-operator and Interventional Distributions Modularity Assumption Backdoor adjustment Structural causal models ◦ 강의 영상 링크 : Chapter 4 - Causal Models 작성된 내용 중 개선점이나 잘못된 부분이 있다면 댓글로 알려주세요! ◦ 이번 강의는 아래의 내용을 다룰 예정입니다. Casual Inference를 할 때, 이론적으로 대답할 수 없는 Causal Estimand..

안녕하세요, 가짜연구소 Causal Inference 팀의 홍성철입니다. Introduction to Causal Inference 강의의 세 번째 챕터이며, 해당 챕터에서 다루는 내용은 아래와 같습니다. Contents Graphical models란 무엇인가요? Bayesian Networks Causal Graphs Basic building blocks of graphs D-separation ◦ 강의 영상 링크 : Chapter 3 - Graphical Models 작성된 내용 중 개선점이나 잘못된 부분이 있다면 댓글로 알려주세요! (1) Graphical models란 무엇인가요? Probabilistic graphical models, which provides a mechanism for ..

안녕하세요, 가짜연구소 Causal Inference 팀의 신진수입니다. Introduction to Causal Inference 강의의 두 번째 챕터이며, 해당 챕터에서 다루는 내용은 아래와 같습니다. Contents Potential Outcomes이란 무엇인가요? (aka. Neyman-Rubin Causal model) 인과추론의 근본적인 문제 인과추론의 근본적인 문제를 이해하는데 필요한 가정 ◦ 강의 영상 링크 : Chapter 2 - Potential Outcomes 작성된 내용 중 개선점이나 잘못된 부분이 있다면 댓글로 알려주세요! (1) Potential Outcomes이란 무엇인가요? 정의 : 각각의 Treatment Options 하에서, 볼 수 있는 모든 Outcomes 입니다. (..

안녕하세요, 가짜연구소 Causal Inference 팀의 신진수입니다. Introduction to Causal Inference 강의의 첫 번째 챕터이며, 해당 챕터에서 다루는 내용은 아래와 같습니다. Contents Causal Inference 란 무엇인가? 심슨의 역설 (Simpson’s Paradox) 상관관계는 인과관계를 의미하지 않는다 Causation in Observational studies ◦ 강의 영상 링크 : Chapter 1 - A Brief Introduction to Causal Inference (Course Preview) 작성된 내용 중 개선점이나 잘못된 부분이 있다면 댓글로 알려주세요! (1) Causal Inference 란 무엇인가? Causal Inference..

안녕하세요, 가짜연구소 Causal Inference 팀입니다. 본격적으로 Causal Inference 챕터 공부에 앞서, 학습에 필요한 Library와 튜토리얼을 정리해보았습니다. 앞으로 Causal Inference 관련된 패키지를 꾸준히 추가할 예정이니, 혹시나 해당 페이지에 정리되지 않은 라이브러리는 댓글로 달아주시면 감사하겠습니다~! (Update 22.06.18) 순서 언어 라이브러리 명 설명 & 링크 1 Python causality Python Causality 라이브러리 (Observational Datasets 기반) ◦ Github 링크 2 Python Microsoft - DoWhy Causal Inference End-to-End 라이브러리 (4단계로 구성) ◦ Github 링크..