Essential Causal Inference Techniques for Data Science

4.6

25件の評価

提供:
このガイド付きプロジェクトでは、次のことを行います。

Learn the limitations of AB testing and why causal inference techniques can be powerful.

Understand the intuition behind and how to implement the four main causal inference techniques in R.

Explore newer methods at the intersection of causal inference and machine learning and implement them in R.

2 hours
初級
ダウンロード不要
分割画面ビデオ
英語
デスクトップのみ

Data scientists often get asked questions related to causality: (1) did recent PR coverage drive sign-ups, (2) does customer support increase sales, or (3) did improving the recommendation model drive revenue? Supporting company stakeholders requires every data scientist to learn techniques that can answer questions like these, which are centered around issues of causality and are solved with causal inference. In this project, you will learn the high level theory and intuition behind the four main causal inference techniques of controlled regression, regression discontinuity, difference in difference, and instrumental variables as well as some techniques at the intersection of machine learning and causal inference that are useful in data science called double selection and causal forests. These will help you rigorously answer questions like those above and become a better data scientist!

あなたが開発するスキル

  • Regression Discontinuity Design

  • Causal Inference

  • Instrumental Variable

  • regression

  • Difference In Differences

ステップバイステップで学習します

ワークエリアを使用した分割画面で再生するビデオでは、講師がこれらの手順を説明します。

  1. Use Controlled / Fixed Effects Regression to estimate impact of customer satisfaction on customer revenue.

  2. Use Regression Discontinuity to estimate the impact of customer support on renewal probability.

  3. Use Difference in Difference to estimate the impact of raising prices on revenue.

  4. Use Instrumental Variables to see whether using the mobile app leads to increased customer retention.

  5. Use Double Selection to speed up AB tests and get more precise estimates.

  6. Use Causal Forests to find heterogeneous treatment effects separated by registration source for impact of discounts.

ガイド付きプロジェクトの仕組み

ワークスペースは、ブラウザに完全にロードされたクラウドデスクトップですので、ダウンロードは不要です

分割画面のビデオで、講師が手順ごとにガイドします

レビュー

ESSENTIAL CAUSAL INFERENCE TECHNIQUES FOR DATA SCIENCE からの人気レビュー

すべてのレビューを見る

よくある質問

ガイド付きプロジェクトを購入することによって、ガイド付きプロジェクトを完了するために必要なものすべてが得られます。これには、開始する必要のあるファイルとソフトウェアを含むWebブラウザを介したクラウドデスクトップワークスペースへのアクセスの他、専門家によるステップバイステップのビデオ講座が含まれます。

ワークスペースにはラップトップまたはデスクトップコンピューターに適したサイズのクラウドデスクトップが含まれているため、モバイル機器ではガイド付きプロジェクトを使用できません。

ガイド付きプロジェクトの講師は、プロジェクトのスキル、ツール、またはその分野での経験があり、知識を共有して世界中の何百万人もの受講生に影響を与えるたことに情熱を持つ専門家です。

ガイド付きプロジェクトから作成したファイルをダウンロードして保持できます。そのためには、クラウドデスクトップにアクセスしているときに「ファイルブラウザ」機能を使用できます。

ガイド付きプロジェクトは払い戻しの対象外です。すべての返金ポリシーを表示する

ガイド付きプロジェクトには学費援助が利用できません。

ガイド付きプロジェクトでは監査を使用できません。

ページの上部で、このガイド付きプロジェクトの経験レベルを押して、知識の前提条件を表示できます。ガイド付きプロジェクトのすべてのレベルで、インストラクターがステップバイステップでご案内します。

はい。ガイド付きプロジェクトを完了するために必要なものはすべて、ブラウザで利用可能なクラウドデスクトップで利用できます。

分割画面環境でタスクをブラウザで直接完了することで学習できます。画面の左側で、ワークスペースでタスクを完了します。画面の右側で、講師がプロジェクトをステップごとにガイドします。