Causal Inference на Python. Причинно-следственные связи в IT-разработке

Коротко и по делу о том, что важно знать про причинно.

Какие клиенты будут покупать только по скидочному купону? Сколько покупателей привлечет дополнительный доллар, вложенный в онлайн-рекламу? Как разработать оптимальную стратегию ценообразования? И для этого понадобится всего пара строк кода на Python.Матеуш Факур рассказывает про малоизвестные применения причинно-следственного анализа, с помощью которых можно оценить влияние воздействия на результат. Причинно-следственный анализ (casual inference) — лучший способ разобраться, как влиять на бизнес-метрики, которыми вы хотите управлять. Менеджеры, специалисты по работе с данными и бизнес-аналитики познакомятся как с классическими методами причинно-следственного анализа (A/B тестами, линейной регрессией, мерой склонности, синтетическим контролем, разностью разностей), так и с современными подходами (применением машинного обучения для оценки гетерогенных эффектов). Каждый метод проиллюстрирован практическим примером.

Файл доступен для загрузки ниже.