Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Graph
Search

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.

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

Proximité ontologique

Mathématiques

Mathématiques discrètes: Théorie des graphes

Séances de ce cours (16)

Contrefaits: SEM et D-Separation

Explore les contre-factuals dans les SEM et D-Separation dans les modèles graphiques.

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.

Algorithme direct de LiNGAM

Couvre l'algorithme Direct LiNGAM, en se concentrant sur l'estimation de l'ordre causal et la minimisation résiduelle.

Inférence causale : ensembles d'ajustement

Explique les ensembles dajustement dans linférence causale, en mettant laccent sur les ensembles valides et candidats.

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