awesome causal inference

Tolle kausale Schlussfolgerung

Eine kuratierte Liste großartiger Ressourcen für kausale Schlussfolgerungen.
Das Ziel dieser Liste besteht darin, als Ausgangspunkt für das Kennenlernen der Kausalität zu dienen.

Inhaltsverzeichnis

• Bücher

• Kurse

• Videos und Vorträge

• Werkzeuge

---

Bücher

1. Das Buch des Warum von Judea Pearl, Dana Mackenzie
2. Kausalinferenzbuch (What If) von Miguel Hernán, James Robins KOSTENLOSER Download
3. Kausaler Schluss in der Statistik: Eine Einführung von Judea Pearl, Madelyn Glymour, Nicholas P. Jewell
4. Elemente kausaler Inferenz: Grundlagen und Lernalgorithmen von Jonas Peters, Dominik Janzing und Bernhard Schölkopf – KOSTENLOSER Download
5. Kontrafakten und kausale Schlussfolgerungen: Methoden und Prinzipien für die Sozialforschung von Stephen L. Morgan, Christopher Winship
6. Kausalinferenzbuch von Hernán MA, Robins JM KOSTENLOSER Download
7. Kausalität: Modelle, Argumentation und Schlussfolgerung von Judea Pearl
8. Kausaler Rückschluss für Statistik, Sozial- und Biomedizinwissenschaften: Eine Einführung von Guido W. Imbens und Donald B. Rubin
9. Causal Inference: The Mixtape von Scott Cunningham KOSTENLOSER Download
10. Kausaler Rückschluss für die Datenwissenschaft von Aleix Ruiz de Villa

---

Kurse

1. Einführung in kausale Schlussfolgerungen (Herbst 2020) (kostenlos)

2. Ein Crashkurs in Kausalität: Kausale Effekte aus Beobachtungsdaten ableiten (kostenlos)

3. Kausaler Rückschluss mit R – Einführung (kostenlos)

4. Kausaler ML-Minikurs (kostenlos)

---

Videos und Vorträge

1. Vorlesungen über Kausalität: 4 Teile von Jonas Peters
2. Auf dem Weg zum kausalen Reinforcement Learning (CRL) – ICML'20 – Teil I von Elias Bareinboim
3. Auf dem Weg zum kausalen Reinforcement Learning (CRL) – ICML'20 – Teil II von Elias Bareinboim
4. Über die kausalen Grundlagen der KI von Elias Bareinboim
5. Judea Pearl: Kausales Denken, Kontrafakten und der Weg zur AGI | Lex Fridman Podcast Nr. 56 von Judea Pearl und Lex Fridman
6. NeurIPS 2018 Workshop zum kausalen Lernen
7. Kausalinferenz-Bootcamp von Matt Masten

---

Werkzeuge

1. DoWarum | Kausale Schlussfolgerungen einfach machen (Python)
2. Ananke: Ein Modul für kausale Schlussfolgerungen (Python)
3. Kausales ML: Ein Paket für Uplift-Modellierung und kausale Inferenz mit ML (Python)
4. CausalNex: Ein Toolkit für kausales Denken mit Bayesian Networks (Python)
5. pgmpy: Python-Bibliothek zum Lernen (Struktur und Parameter) und Inferenz (statistisch und kausal) in Bayes'schen Netzwerken