不可错过!700+ppt《因果推理》课程!杜克大学Fan Li教程

2022 年 7 月 11 日 专知

来自杜克大学Fan Li的简明《因果推理》课程!


  • Chapter 1. Introduction 引言

  • Chapter 2. Randomized experiments 随机实验

    • Chapter 2.1: Fisher's and Neyman's mode of inference 

    • Chapter 2.2: Covariate adjustment in RCT 

  • Chapter 3. Observational studies with ignorable assignments: single-time treatments

    • Chapter 3.1. Outcome regression 

    • Chapter 3.2. Covariate balance, matching, stratification 

    • Chapter 3.3. Propensity score 

    • Chapter 3.4. Propensity score weighting: inverse probability weighting and overlap weighting 

    • Chapter 3.5. Augmented weighting and double-robust estimators

    • Chapter 3.6. Causal inference with multiple or continuous treatments

  • Chapter 4. Heterogenous treatment effects and machine learning 异构治疗效应与机器学习

  • Chapter 5. Sensitivity analysis  敏感性分析

  • Chapter 6. Instrumental variable and principal stratification

    • Chapter 6.1. Instrumental variable (IV), noncompliance in RCT 

    • Chapter 6.2. Post-treatment confounding: Principal Stratification

  • Chapter 7. Regression discontinuity design (RDD)

  • Chapter 8. Panel data: Difference-in-differences (DID) and Synthetic control (SC) 

  • Chapter 9. Sequentially ignorable assignments: time-varying treatments

  • Chapter 10. 贝叶斯推断因果效应,Bayesian inference for causal effects



专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“C700” 就可以获取不可错过!700+ppt《因果推理》课程!杜克大学Fan Li教程》专知下载链接

                       
专知,专业可信的人工智能知识分发 ,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取100000+AI(AI与军事、医药、公安等)主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取100000+AI主题知识资料
登录查看更多
3

相关内容

因果推断是研究如何更加科学地识别变量间的因果关系。 客观事物普遍存在着内在的因果联系,人们只有弄清事物发展变化的前因后果,才能全面地、本质地认识事物。基干事物发展的这种规律,在论证观点时,有时就可以直接从事物本身的因果关系中进行推论,这就叫因果推断法
不可错过!《机器学习100讲》课程,UBC Mark Schmidt讲授
专知会员服务
67+阅读 · 2022年6月28日
专知会员服务
48+阅读 · 2021年6月30日
剑桥大学《数据科学: 原理与实践》课程,附PPT下载
专知会员服务
47+阅读 · 2021年1月20日
专知会员服务
32+阅读 · 2020年12月28日
专知会员服务
53+阅读 · 2020年10月11日
专知会员服务
51+阅读 · 2020年9月7日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
96+阅读 · 2019年10月9日
【MIT干货课程】医疗健康领域的机器学习
专知
1+阅读 · 2022年5月26日
【NUS-Xavier教授】注意力神经网络,79页ppt
专知
3+阅读 · 2021年11月25日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年9月11日
Arxiv
27+阅读 · 2020年6月19日
Meta-Learning to Cluster
Arxiv
17+阅读 · 2019年10月30日
VIP会员
相关VIP内容
不可错过!《机器学习100讲》课程,UBC Mark Schmidt讲授
专知会员服务
67+阅读 · 2022年6月28日
专知会员服务
48+阅读 · 2021年6月30日
剑桥大学《数据科学: 原理与实践》课程,附PPT下载
专知会员服务
47+阅读 · 2021年1月20日
专知会员服务
32+阅读 · 2020年12月28日
专知会员服务
53+阅读 · 2020年10月11日
专知会员服务
51+阅读 · 2020年9月7日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
96+阅读 · 2019年10月9日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员