友情链接:
合作联系
|
ASPEN培训课程
具备R语言和统计基础的博士生、研究人员、高级数据分析师，希望掌握因果推断方法在预测分析中应用的专业人士。
掌握预测性机器学习与因果效应评估的完整方法，能够运用R语言进行异质性分析、最优策略学习，具备从相关性分析走向因果推断的研究能力。
一、 预测性机器学习基础：回顾监督学习在预测任务中的应用，讨论预测模型与因果模型的本质区别。
二、 因果推断核心概念：讲解因果图、干预、反事实等因果推断核心概念，理解相关性不等于因果性的深层原因。
三、 潜在结果框架：介绍Rubin潜在结果框架的基本思想，学习处理效应、平均处理效应（ATE）的定义和估计方法。
四、 倾向性得分方法：掌握倾向性得分估计、匹配、加权等技术，应用于观察性研究的因果效应评估。
五、 异质性处理效应分析：学习识别不同群体间处理效应差异的方法，理解异质性分析在精准决策中的应用价值。
六、 因果树与因果森林：介绍基于决策树的异质性处理方法，掌握因果森林算法的原理和应用。
七、 元学习器方法：学习S-learner、T-learner、X-learner等元学习器在异质性处理效应估计中的应用。
八、 最优策略学习：掌握基于因果效应的最优策略学习方法，应用于个性化推荐、精准营销等场景。
九、 工具变量方法：了解工具变量在解决未观测混杂问题中的作用，学习两阶段最小二乘法的应用。
十、 断点回归设计：掌握断点回归（RDD）的基本原理，应用于政策效果评估等场景。
十一、 案例实战：培训项目效果评估：使用真实数据，应用因果机器学习方法评估培训项目的实际效果。
十二、 案例实战：最优定价策略学习：基于异质性需求分析，学习制定差异化定价策略的方法。
