- Суть
- Методы Causal Inference и машинного обучения для оценки причинно-следственных связей на данных
- На выходе
- Оценка причинно-следственных связей на нерандомизированных данных; Применение OLS, CatBoost, XGBoost и Double Machine Learning в Causal Inference; Использование методов IPTW, DRE и Propensity Score; Работа с панельными данными, Two-Way Fixed Effects, Difference-in-Differences; Подготовка к прохождению профильных секций на собеседованиях
- Навыки
- Python · Pandas · Numpy · CatBoost · XGBoost · Double Machine Learning · A/A симуляции
- Кому подойдёт
- Data Science специалисты; Продуктовые аналитики; Маркетинговые аналитики
- Знать заранее
- Уверенное владение Python (Pandas, Numpy); Базовые знания статистики (ЦПТ, доверительные интервалы, t-test, p-value); Понимание основ Machine Learning (кросс-валидация, MSE)
