<aside> ➡️ 1. Causal Inference (인과추론, 분석)에 대한 기본적인 개념 학습
문제 or ML 모델에 대한 원인 분석 능력 키우기
공부한 내용을 정리해, 인과추론에 대한 한국어 자료 만들어보기
</aside>
😍 가짜연구소 소개
<aside> 📢 해당 스터디는 마무리 되었습니다. 3개월 동안 참여해주신 스터디원분들 모두 수고 많으셨습니다!
→ 가짜연구소 Causal Inference 팀 블로그 : https://pseudolabcausalinference.tistory.com/
→ 참여 링크 : 가짜연구소 Gather Town (스터디룸 C)
→ 자료 링크 : Introduction to Causal Inference
👉 해당 자료를 사용 시, 반드시 출처를 명시해주세요!
</aside>
스터디 규칙
스터디 일정
청강 여부
스터디 (시작전)
스터디 (모임)
스터디 (모임 이후)
<aside> 💡 아래 플랜은 빌더가 작성한 초안이며, 주차별 진행계획은 러너(스터디원)분들과 협의에 의해 변경될 수 있습니다.
</aside>
[ Causal Inference 자료 ]
| Week | 자료 설명 및 링크 | |
|---|---|---|
| OT | 같이 학습하면 좋은 Lecture Material 정리!!! |
사례 발표시 참고하기 좋은 블로그
Causality 주요 커뮤니티
인과추론 관점에서 회귀분석 이해하기
IT 기업에서의 A/B 테스트 활용
Sensitivity Analysis
Nonlinear: https://www.cs.helsinki.fi/u/ahyvarin/papers/Zhang16.pdf / Causal discovery: https://www.youtube.com/watch?v=h1eMKb4iCTk&list=PLKKkeayRo4PWyV8Gr-RcbWcis26ltIyMN&index=42 | | | | | |
[ Causal Inference 라이브러리 및 튜토리얼 정리 ] → 나중에 팀 블로그에 정리 예정
| 라이브러리 | 라이브러리 설명 및 링크 |
|---|---|
| Python - causality | Python에서 간단하게 설치 후 활용할 수 있는 Causality 라이브러리 (Observational Datasets 기반) |
pip install causality) |
| Microsoft - DoWhy | Microsoft에서 만든 Causal Inference End-to-End 라이브러리 (4단계 스텝으로 구성됨)pip install dowhy)pip install econml) |
| Uber - CausalML | Uber에서 만든 Python Uplift Modeling & ML과 함께 사용할 수 있는 Causal Inference 라이브러리pip install causalml) |
| Google - CausalImpact | Google에서 베이지안 Time Series 모델을 사용한 R 기반 Causal Inference 라이브러리install.packages("CausalImpact")) |
| Google - Bayesian MMM | Google에서 적용한 Media Mix Model 논문을 Python으로 구현한 튜토리얼 자료 (라이브러리 X)install.packages("Matchlt")) |