인과추론

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..

안녕하세요, 가짜연구소 Causal Inference 팀입니다. 지난 3개월 간 가짜연구소에서 "Casual하게 Causality 이해하기" 스터디가 진행되었습니다. 해당 스터디를 통해 저희가 달성하고자 하는 목표는 크게 3가지입니다. ◦ Causal Inference에 대한 기본적인 개념 학습 ◦ 문제 or ML 모델에 대한 원인 분석 능력 키우기 ◦ 공부한 내용을 정리해, Causal Inference 에 대한 한국어 자료 만들어보기 인과추론을 공부하러 오신 분들이 저희가 작성한 블로그를 통해, 한국어 자료가 많지 않은 인과추론에 더 쉽게 다가가셨으면 좋겠습니다! ** "Casual하게 Causality 이해하기" 스터디는 Brady Neal의 Introduction to Causal Inferenc..