Cours

MGT-416: Causal inference

Résumé

Students will learn the core concepts and techniques of network analysis with emphasis on causal inference. Theory and application will be balanced, with students working directly with network data throughout the course.

Séances de cours

Enseignant·e·s

Source officielle

https://edu.epfl.ch/coursebook/fr/causal-inference-MGT-416

Page Moodle

http://go.epfl.ch/MGT-416

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Résumé

Séances de cours

Enseignant·e·s

Source officielle

https://edu.epfl.ch/coursebook/fr/causal-inference-MGT-416

Page Moodle

http://go.epfl.ch/MGT-416

À propos de ce résultat

Séances de ce cours (16)

Apprendre les modèles latents dans les structures graphiques

Explore l'apprentissage des modèles latents dans des structures graphiques, en se concentrant sur des scénarios avec des échantillons incomplets et en introduisant la notion de distance entre les variables.

Apprentissage latent de l'arbre

Explore l'apprentissage de l'arbre latent, couvrant les propriétés des nœuds, les relations fraternelles et la structure algorithmique.

Pearl's Do Calculus : règles et intuition

Explique les règles de calcul et l'intuition de Pearl, y compris l'échange et les interventions d'action/observation.

Inférence causale : Structures de graphes d'apprentissage

Explore l'inférence causale à travers des structures de graphes d'apprentissage pour le raisonnement causal à partir de données d'observation.

Élimination des bords et orientation dans les graphiques

Couvre l'élimination des bords et l'orientation dans les graphiques, y compris les tests de premier ordre et l'orientation logique.

Afficher plus

Cours associés (30)

CS-401: Applied data analysis

This course teaches the basic techniques, methodologies, and practical skills required to draw meaningful insights from a variety of data, with the help of the most acclaimed software tools in the data science world (pandas, scikit-learn, Spark, etc.) ...

PHYS-467: Machine learning for physicists

Machine learning and data analysis are becoming increasingly central in sciences including physics. In this course, fundamental principles and methods of machine learning will be introduced and practised. ...

CS-450: Algorithms II

A first graduate course in algorithms, this course assumes minimal background, but moves rapidly. The objective is to learn the main techniques of algorithm analysis and design, while building a repertory of basic algorithmic solutions to problems in many ...

CS-423: Distributed information systems

This course introduces the foundations of information retrieval, data mining and knowledge bases, which constitute the foundations of today's Web-based distributed information systems. ...

CS-101: Advanced information, computation, communication I

Discrete mathematics is a discipline with applications to almost all areas of study. It provides a set of indispensable tools to computer science in particular. This course reviews (familiar) topics as diverse as mathematical reasoning, combinatorics, disc ...

Afficher plus