Тёмный

Полина Окунева | Causal Inference. Advanced методы моделирования 

ML Trainings
Подписаться 24 тыс.
Просмотров 1,2 тыс.
50% 1

Полина Окунева, ведущий аналитик Glowbyte, рассказывает об усовершенствованных методах моделирования причинно-следственного эффекта с опорой на библиотеки causalML и EconML: X-, R-, DR-learner, Domain Adaptation Learner, Doubly Robust Instrumental Variable learner, Tree-based algorithms (DDP, CTS). Рассматривает основные плюсы и минусы методов и особенности их применения.
Полезные ссылки
Мероприятие Data Fest Online 3.0: ods.ai/events/datafestonline2022
Трек Reliable ML: ods.ai/tracks/reliable-ml-df2022
Telegram канал Reliable ML: t.me/reliable_ml
Наши соц.сети
Telegram: t.me/datafest
Вконтакте: datafest
Twitter: / newsods

Опубликовано:

 

8 июн 2022

Поделиться:

Ссылка:

Скачать:

Готовим ссылку...

Добавить в:

Мой плейлист
Посмотреть позже
Комментарии    
Далее
How Many Balloons Does It Take To Fly?
00:18
Просмотров 41 млн
Good dad 🥰 #demariki
00:17
Просмотров 10 млн
Gradient Descent, Step-by-Step
23:54
Просмотров 1,3 млн