본문 바로가기

Causal inference25

[KSSCI 2021] 인과추론의 데이터 과학 - Session 15 인과추론의 데이터과학. (2021, Nov 11). [Session 15-1] 인과적 의사결정 (Causal Decision Making) [Video]. YouTube. 인과추론의 데이터과학. (2021, Nov 11). [Session 15-2] 처방적 분석 (Prescriptive Analytics) [Video]. YouTube. 인과추론의 데이터과학. (2021, Nov 11). [Session 15-3] 처방적 분석 연구사례 [Video]. YouTube. Session 15-1 Causal inference and Decision Making Causal inference for decision making how causal knowledge affects decision Decision .. 2023. 10. 3.
[KSSCI 2021] 인과추론의 데이터 과학 - Session 14 인과추론의 데이터과학. (2021, Nov 1). [Session 14-1] 신약 개발에서의 인과추론의 역할과 한계 [Video]. YouTube. 인과추론의 데이터과학. (2021, Nov 1). [Session 14-2] 머신러닝을 활용한 이질적 인과관계 분석 [Video]. YouTube. Session 14-1 약물 개발 신규 10-17년, $2-3 billion 높은 실패율 (평균적으로 90%) Recycling: repurposing 3-12년 안정성 담보 RCTs란? (Randomized clinical trials) treatment의 효과를 측정하는 방식 참가자들을 2가지 그룹으로 분리 (new treatment vs standard treatment) 비싸고, 높은 실패율, 때로는 안전.. 2023. 9. 27.
[KSSCI 2021] 인과추론의 데이터 과학 - Session 13 인과추론의 데이터과학. (2021, Oct 25). [Session 13-1] 머신러닝의 해석 가능성과 인과추론 [Video]. YouTube. 인과추론의 데이터과학. (2021, Oct 25). [Session 13-2] 인과추론을 위한 머신러닝 모델 [Video]. YouTube. Session 13-1 왜 causality가 가치 있을까? actionable strategy를 줄 수 있다 실제로는 causality, association 모두 힘들다 왜 어려울까? 실제 세상은 복잡하다 데이터가 완벽하지 않다 알 수 없는 요인들이 많다 Summary Causal ML/DL은 기존 전통 모델의 연장선이다 장점: 복잡한 feature space를 탐색 가능 단점: 불완전한 데이터를 해결 못함, 도메인/이.. 2023. 9. 27.
Part 2. Selected Topics for Everyone 론 코하비, 다이앤 탕, 야 쉬, 『A/B 테스트 신뢰할 수 있는 온라인 종합 대조 실험』, 이기홍, 김기영, 에이콘출판사-MANNING(2022), p130-189. 5. 속도의 중요성: 엔드투엔드 사례 연구 많은 실험이 UI에 초점을 맞추지만, 백엔드 측면에서도 많은 혁신이 일어난다. ex. Bing: 0.1초 개선마다 1억 8천만 달러의 매출 증가 가치 성능 개선이 주요 지표에 미치는 영향을 측정하는 것이 중요 어느 부분의 성능 개선이 가장 중요한가?? 성능 개선이 어떤 지표 X에 미치는 영향은 무엇인가? 성능 개선이 매출에 미치는 영향은? 새로운 기능의 초기 구현 속도를 높이는 경우, 지표 X가 개선되는가? 성능 개선으로 장기적 영향이 있는가? (ex. 해지 고객 감소) Slowdown 실험의 주.. 2023. 9. 13.
Part 1. 03~04 론 코하비, 다이앤 탕, 야 쉬, 『A/B 테스트 신뢰할 수 있는 온라인 종합 대조 실험』, 이기홍, 김기영, 에이콘출판사-MANNING(2022), p78-129. 3. 트위먼의 법칙과 실험의 신뢰도 트위먼의 법칙: 흥미롭게 보이거나 다르게 보이는 모든 것들은 대체로 틀렸다. 2가지 상이한 반응 긍정적인 결과: 그것을 중심으로 이야기를 만들고 공유하고 축하하는 경향이 있음 (ex. 핵심 지표의 현저한 개선) 부정정인 결과: 연구의 한계나 사소한 결함을 찾아내고 그것을 기각해 버리는 경향 실험 결과의 신뢰도를 높이기 위한 방법 결과에 이상이 있을 수 있다는 것을 나타내는 일련의 테스트와 실습 권장 Ex. assert문을 활용한 테스트 통계 결과의 잘못된 해석 통계적 검정력 부족 일반적인 실수: 지표가 통.. 2023. 9. 7.
[KSSCI 2021] 인과추론의 데이터 과학 - Session 11 인과추론의 데이터과학. (2021, Oct 11). [Session 11-1] 인과추론과 예측 방법론의 차이 [Video]. YouTube. 인과추론의 데이터과학. (2021, Oct 11). [Session 11-2] 실증연구에서의 빅데이터와 머신러닝의 역할 [Video]. YouTube. 인과추론의 데이터과학. (2021, Oct 18). [Session 11-3] 인과추론에서의 머신러닝의 활용 [Video]. YouTube. 인과추론의 데이터과학. (2021, Oct 18). [Session 11-4] 인과추론 기반의 예측 모델링 평가 [Video]. YouTube.[Video]. YouTube. Session 11-1 Moneyball Lessons learned 팀의 성적 향상이라는 공통된 목적.. 2023. 9. 5.
Part 1. 01~02 론 코하비, 다이앤 탕, 야 쉬, 『A/B 테스트 신뢰할 수 있는 온라인 종합 대조 실험』, 이기홍, 김기영, 에이콘출판사-MANNING(2022), p30-77. 1. 소개와 동기 Bing의 헤드라인 표시법 변환: 타이틀 라인을 바로 밑 첫째 줄 문장과 합치기 → 매출 12% 증가 개념 종합 대조 실험 (controlled experiment) 실험: UI, 관련 알고리즘 (검색, 광고, 추천 등), 지연 시간/성능, 콘텐츠 관리 시스템, 고객 지원 시스템 채널: 웹사이트, 데스크톱 app, 모바일 app, 이메일 등 전체 평가 기준 (Overall Evaluation Criterion, OEC): 실험 목적의 계량적 지표 (ex. 사용자별 활동일 수) 단기적으로 측정 가능해야 함 장기적 전략 목표를 .. 2023. 8. 30.
[KSSCI 2021] 인과추론의 데이터 과학 - Session 9 인과추론의 데이터과학. (2021, Oct 5). [Session 9-1] 도구 변수 (Instrumental Variable) [Video]. YouTube. 인과추론의 데이터과학. (2021, Oct 5). [Session 9-2] 도구 변수의 활용 사례 [Video]. YouTube. 인과추론의 데이터과학. (2021, Oct 5). [Session 9-3] 도구 변수의 활용 팁 [Video]. YouTube. Session 9-1 Instrumental Variables Quasi-Experiment를 하기 어려울 때 이용하는 도구 활용하기가 까다로운 점이 있음 → 적절한 가정을 판단하기 어려움 Three perspectives on causation Potential outcomes framew.. 2023. 8. 29.
[KSSCI 2021] 인과추론의 데이터 과학 - Session 7/8 보충 인과추론의 데이터과학. (2021, Oct 1). [Session 7/8 - 보충 1] 베이지안 네트워크 (Bayesian Network) [Video]. YouTube. 인과추론의 데이터과학. (2021, Oct 1). [Session 7/8 - 보충 2] 베이지안 네트워크에서의 상관관계 증명 [Video]. YouTube. Session 7/8 보충 1 Probability \(P(A)\) : unconditional / marginal Pr marginal probability: 주변 확률 (=개별 사건의 확률) \(P(A|B)\) : conditional Pr joint Pr $$ P(B|A) = \displaystyle{{P(B)P(A|B)}\over P(A)} $$ $$ \begin{align.. 2023. 8. 22.
[KSSCI 2021] 인과추론의 데이터 과학 - 사전학습자료 인과추론의 데이터과학. (2021, Jun 20). [사전학습자료 1] 인과추론의 어려움 [Video]. YouTube. 인과추론의 데이터과학. (2021, Jun 22). [사전학습자료 2] 인과추론의 목적 [Video]. YouTube. 인과추론의 데이터과학. (2021, Jun 25). [사전학습자료 3] 인과추론 관점에서 회귀분석 이해하기 [Video]. YouTube. 사전학습자료 1 상관관계, 인과관계 상관관계: 함께 일어나는 변화 아이스크림 판매량 ~ 익사자 수 인과관계: 원인과 결과 여름 ~ 아이스크림 판매량 여름 ~ 익사자 수 사회과학 사례 내가 홍보한 상품을 내 친구가 구매했다면 그건 내 덕분일까? 취미/특성의 유사성 (homophily) → 끼리끼리 어울린다. ⇒ 상관관계 동료 효과 .. 2023. 8. 15.
반응형