blocks|key|6472471|text|甚至连我都已经习惯了因果推理的概念，并开始研究电信数据的用例。分享一些可能对你有帮助的资源：|type|unstyled|depth|inlineStyleRanges|entityRanges|data|6472472|因果关系包装|unordered-list-item|offset|length|6472473|吡咯教程https://github.com/altdeep/causalML|6472474|https://github.com/DeekshaD/causalML-lecturenotes+(课程注释)|6472475|虽然有些课程可能很重，但是：|6472476|因果推理导论|6472477|因果推理|6472478|期待社会人士提出更多建议:)|entityMap|0|LINK|mutability|MUTABLE|url|https://causalnex.readthedocs.io/en/latest/|1|https://docs.pyro.ai/en/dev/contrib.cevae.html|2|https://github.com/altdeep/causalML|3|https://github.com/DeekshaD/causalML-lecturenotes|4|https://bookdown.org/robertness/causalml/docs/|5|https://www.bradyneal.com/causal-inference-course|6|https://causalinference.gitlab.io/^0|0|0|6|0|0|0|2|1|4|Z|2|0|0|1D|3|1F|2|4|0|0|0|6|5|0|0|4|6|0^^$0|@$1|2|3|4|5|6|7|1B|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|1C|8|@]|9|@$E|1D|F|1E|1|1F]]|A|$]]|$1|G|3|H|5|D|7|1G|8|@]|9|@$E|1H|F|1I|1|1J]|$E|1K|F|1L|1|1M]]|A|$]]|$1|I|3|J|5|D|7|1N|8|@]|9|@$E|1O|F|1P|1|1Q]|$E|1R|F|1S|1|1T]]|A|$]]|$1|K|3|L|5|6|7|1U|8|@]|9|@]|A|$]]|$1|M|3|N|5|D|7|1V|8|@]|9|@$E|1W|F|1X|1|1Y]]|A|$]]|$1|O|3|P|5|D|7|1Z|8|@]|9|@$E|20|F|21|1|22]]|A|$]]|$1|Q|3|R|5|6|7|23|8|@]|9|@]|A|$]]]|S|$T|$5|U|V|W|A|$X|Y]]|Z|$5|U|V|W|A|$X|10]]|11|$5|U|V|W|A|$X|12]]|13|$5|U|V|W|A|$X|14]]|15|$5|U|V|W|A|$X|16]]|17|$5|U|V|W|A|$X|18]]|19|$5|U|V|W|A|$X|1A]]]]

Even i am getting accustomed with concepts of causal inference and working on it's use case for telecom data. Sharing some of the resources which might be helpful to you:
<ul>
<li><a href="https://causalnex.readthedocs.io/en/latest/" rel="nofollow noreferrer">Causalnex Package</a></li>
<li><a href="https://docs.pyro.ai/en/dev/contrib.cevae.html" rel="nofollow noreferrer">Pyro</a> Tutorials <a href="https://github.com/altdeep/causalML" rel="nofollow noreferrer">https://github.com/altdeep/causalML</a></li>
<li><a href="https://github.com/DeekshaD/causalML-lecturenotes" rel="nofollow noreferrer">https://github.com/DeekshaD/causalML-lecturenotes</a> (Notes of the <a href="https://bookdown.org/robertness/causalml/docs/" rel="nofollow noreferrer">course</a>)</li>
</ul>
Some courses though they may be stat heavy:
<ul>
<li><a href="https://www.bradyneal.com/causal-inference-course" rel="nofollow noreferrer">Introduction to Causal Inference</a></li>
<li><a href="https://causalinference.gitlab.io/" rel="nofollow noreferrer">Causal Inference</a></li>
</ul>
Looking forward to more suggestions from the community :)

Am a software guy with no background in causal inference.
While I am now familiar with prediction techniques due to the plethora of courses available online, I would like to seek recommendations from people here for causal inference.
As you might know, how prediction techniques tutorials are available in a way that can be consumed by people from a software background, I would like to learn causal inference techniques like Propensity Score Matching, Comparative Effectiveness Research, epidemiology analytics, effect estimates, Hazard Ratios, Odd ratios, etc in a proper course which can take us from beginner to advanced curriculum. Basically, things that are used in observational healthcare research and public health fields. Are there any courses like what Udacity offers for Data Science (which only deals with Prediction problems)? Am looking for a similar course that can take us from A-Z of causal analysis.
Can you guys direct me to some resources where I can learn such techniques? Doesn't really have to be a degree but can also be online tutorials or Youtube series

MOOC - for causal analysis - no statistics background

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

我是一个没有因果推理背景的软件专家。虽然我现在熟悉预测技术，因为网上有大量的课程可供选择，但我想从这里的人那里寻求因果推断的建议。正如你可能知道的，预测技术教程是如何被软件背景的人使用的，我想学习因果推理技术，比如倾向分数匹配，比较效果研究，流行病学分析，效果评估，危险比率，奇数比率，等等，在一个正确的课程中可以把我们从初学者带到高级课程。基本上，用于观察性医疗研究和公共卫生领域的东西。是否有像U

问MOOC -用于因果分析-无统计背景
EN

回答 1

Data Science用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问MOOC -用于因果分析-无统计背景EN