casual-inference: 因果推断：理论与Python实现

项目背景和动机

大多数人对于“数据就是一切”这个论断深信不疑。因果这个词经受历史上诸多哲学上和统计学上的思辨之后被一度认为是“模糊”和“不严谨”的。然而人类对世界的建模是基于因果的模型——我们从小就学会了这一点。Judea Pearl教授等领衔了新世纪的因果革命，而现在因果推断已成为很多数据科学研究者的必备技能。

项目受众

任何掌握大学《概率论与数理统计》的学习者，掌握一定的算法知识和图论等相关知识的学习者更佳。

Roadmap (暂定)

（4月01日）绪论

（4月08日）数学基础

（4月13日）图模型和结构因果模型

（4月20日）图模型的分析

（4月27日）图模型的概率分布和图模型分析的简单编程实现

（5月04日）反事实

（5月11日）干预

（5月18日）因果关系的概率分析

（5月25日）复杂条件下的因果推断

（6月3日）图模型的学习

（6月10日）因果推断和应用

参与贡献

• 如果你想参与到项目中来欢迎查看项目的 Issue 查看没有被分配的任务。
• 如果你发现了一些问题，欢迎在 Issue 中进行反馈🐛。
• 如果你对本项目感兴趣想要参与进来可以通过 Discussion 进行交流💬。

如果你对 Datawhale 很感兴趣并想要发起一个新的项目，欢迎查看 Datawhale 贡献指南。

贡献者名单

姓名	职责
hrjtju	项目负责人

注：表头可自定义，但必须在名单中标明项目负责人

关注我们

LICENSE

本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。

注：默认使用CC 4.0协议，也可根据自身项目情况选用其他协议