filmov
tv
Дмитрий Павлов. Сausal Inference в анализе временных рядов
Показать описание
Data Fest Online 2021
Спикер:
Дмитрий Павлов, Студент МФТИ, лаборатория финансовых технологий МФТИ и Тинькофф
"Многие важные задачи бизнеса и науки описываются с использованием временных рядов. Когда дело доходит до исследования собранных данных, аналитикам приходится иметь дело с причинно-следственными связями. Например: Как повлияла маркетинговая компания на продажи? Как использование препарата сказалось на здоровье пациента? Есть ли причинно-следственная связь между короткой и долгой метриками продукта? К сожалению не существует универсального алгоритма, но есть методы, требующие несколько предположений, позволяющие дать ответы на эти вопросы. В докладе я расскажу о двух типах задачах causal inference, встречаемых в контексте работы с временными рядами:
Causal Treatment Effect Estimation on Time Series,
Causal Discovery for Time Series,
Соцсети Data Fest:
Спикер:
Дмитрий Павлов, Студент МФТИ, лаборатория финансовых технологий МФТИ и Тинькофф
"Многие важные задачи бизнеса и науки описываются с использованием временных рядов. Когда дело доходит до исследования собранных данных, аналитикам приходится иметь дело с причинно-следственными связями. Например: Как повлияла маркетинговая компания на продажи? Как использование препарата сказалось на здоровье пациента? Есть ли причинно-следственная связь между короткой и долгой метриками продукта? К сожалению не существует универсального алгоритма, но есть методы, требующие несколько предположений, позволяющие дать ответы на эти вопросы. В докладе я расскажу о двух типах задачах causal inference, встречаемых в контексте работы с временными рядами:
Causal Treatment Effect Estimation on Time Series,
Causal Discovery for Time Series,
Соцсети Data Fest:
0:19:59
Дмитрий Павлов. Сausal Inference в анализе временных рядов
0:01:21
Причинно-следственный анализ. Часть 3. Проверка гипотез и предположений....
1:37:57
NoML Семинар: Методы Causal Inference
0:23:17
Ольга Филиппова: Causality and Shapley Values
0:34:37
Dmitry Arkhangelsky: Causal Inference with Panel Data - Causal Inference in ML Track 2020
0:22:44
Anton Lebedevich: Causal Inference Intro
0:11:42
Irina Goloshchapova: Causal Inference Methods - Causal Inference in ML Track 2020
0:56:55
МСПС. Семинар 12. Анализ временных рядов.
0:31:28
Полина Окунева | Causal Inference. Advanced методы моделирования
1:21:30
Использование метода Difference-in-Differences для проведения оценки...
0:40:44
Артём Ерохин | Методы балансировки в Causal Inference
0:07:28
Обсуждение доклада: Полина Окунева - Causal Inference. Advanced методы моделирования...
0:33:29
Платформа switchback-экспериментов в Ситимобил — Артём Солоухин, Ситимобил...
0:12:03
Data Ёлка 2020: Итоги года в Causal Inference in ML
0:19:30
Data Ëлка 2021 | Итоги года в Causal Inference
2:40:21
ML MIPT Advanced | Lecture 01: Segmentation
0:02:26
Data Fest Online 2021: Causal Inference. Recommendations. Encoding, трек Мегафона
1:00:02
Alternative Approaches to A/B Experiments - 3 Causal Impact Approaches | Jennifer Vlasiu
0:19:39
Евгений Смирнов: Внутренняя кухня Альфа-Баттл 2.0
0:28:23
Временные ряды, теоритическая часть 1
0:01:58
Стратегия ставок на спорт #Анализ прошлых лет. | 5 из 65 |
0:27:43
Наталья Тоганова: Обзор библиотеки EconML - идеи и реализация...
0:52:42
Vahe Brsoyan: How to target the Uplift model for profit
0:25:32
Artyom Gadetsky: Solving discrete optimization problems using continuous optimization
Комментарии