awesome causal inference

Inférence causale impressionnante

Une liste organisée de superbes ressources sur l'inférence causale.
Le but de cette liste est de servir de point de départ pour se familiariser avec la causalité.

Table des matières

• Livres

• Cours

• Vidéos et conférences

• Outils

---

Livres

1. Le livre du pourquoi de Judea Pearl, Dana Mackenzie
2. Livre d'inférence causale (What If) de Miguel Hernán, James Robins Téléchargement GRATUIT
3. Inférence causale en statistique : introduction par Judea Pearl, Madelyn Glymour, Nicholas P. Jewell
4. Éléments d'inférence causale : fondements et algorithmes d'apprentissage par Jonas Peters, Dominik Janzing et Bernhard Schölkopf - Téléchargement GRATUIT
5. Contrefactuels et inférence causale : méthodes et principes de recherche sociale par Stephen L. Morgan, Christopher Winship
6. Livre d'inférence causale de Hernán MA, Robins JM Téléchargement GRATUIT
7. Causalité : modèles, raisonnement et inférence par Judea Pearl
8. Inférence causale pour les statistiques, les sciences sociales et biomédicales : une introduction par Guido W. Imbens et Donald B. Rubin
9. Inférence causale : La mixtape de Scott Cunningham Téléchargement GRATUIT
10. Inférence causale pour la science des données par Aleix Ruiz de Villa

---

Cours

1. Introduction à l'inférence causale (automne 2020) (gratuit)

2. Un cours intensif sur la causalité : déduire des effets causals à partir de données d'observation (gratuit)

3. Inférence causale avec R - Introduction (gratuit)

4. Mini-cours Causal ML (gratuit)

---

Vidéos et conférences

1. Conférences sur la causalité : 4 parties par Jonas Peters
2. Vers un apprentissage par renforcement causal (CRL) - ICML'20 - Partie I Par Elias Bareinboim
3. Vers un apprentissage par renforcement causal (CRL) - ICML'20 - Partie II Par Elias Bareinboim
4. Sur les fondements causals de l’IA par Elias Bareinboim
5. Judea Pearl : raisonnement causal, contrefactuels et chemin vers l'AGI | Podcast Lex Fridman #56 Par Judea Pearl et Lex Fridman
6. Atelier NeurIPS 2018 sur l'apprentissage causal
7. Bootcamp sur l'inférence causale par Matt Masten

---

Outils

1. FairePourquoi | Rendre l'inférence causale facile (Python)
2. Ananke : Un module d'inférence causale (Python)
3. Causal ML : un package pour la modélisation Uplift et l'inférence causale avec ML (Python)
4. CausalNex : Une boîte à outils pour le raisonnement causal avec les réseaux bayésiens (Python)
5. pgmpy : bibliothèque Python pour l'apprentissage (structure et paramètres) et l'inférence (statistique et causale) dans les réseaux bayésiens