Чему вы научитесь
- Видеть конфаундинг и самоотбор за красивой разницей средних
- Рисовать допущения через DAG и решать, что контролировать, а что испортит оценку
- Оценивать эффект без эксперимента: matching/IPW, IV, DiD, CausalImpact, RDD, Double ML
- Находить, кому воздействие помогает, а кому вредит (HTE/CATE, uplift)
- Выбирать метод под задачу, называть ключевое допущение и проверять его на прочность
- Доносить каузальный вывод до продакта так, чтобы на нём приняли верное решение
О курсе
Causal inference — это набор методов, чтобы вытащить причинный эффект из наблюдательных данных и не принять корреляцию за причину. Весь курс держится на одной сквозной истории: вы продуктовый аналитик стримингового сервиса StreamFlow и шаг за шагом выясняете, работают ли пуш-уведомления — от наивного «пуши дают +29% к retention» до решения, кому именно их слать.
Каждый метод разбираем на этом кейсе: сначала интуиция, потом практика, потом отдельный разговор о том, где метод ломается и как это поймать. Все числа берутся из честных симуляций с заранее известным истинным эффектом, так что видно, насколько метод к нему подобрался.
Программа:
- Акт 1 (наивная оценка, A/B, DAG, matching/IPW)
- Акт 2 (IV, DiD, CausalImpact, RDD)
- Акт 3 (Double ML, HTE/causal forest, uplift)
- Капстоун по выбору метода
- Продвинутые темы (суррогаты, мультивоздействия, корректные A/B, interference, медиация, causal discovery)
- Инструментарий с бест-практисами
Для кого этот курс
Начальные требования
- Python на уровне pandas
- Базовое понимание A/B-тестов
- Школьная статистика (среднее, доля, доверительный интервал)
- Глубокой математики не нужно — интуиция здесь важнее формул
Наши преподаватели
Как проходит обучение
Теория с интуицией и кодом, тесты на понимание и автопроверяемые задачи на Python: вы считаете методы руками, а не смотрите слайды. Один сквозной кейс StreamFlow проходит через весь курс, у каждого метода есть раздел про слабые места и проверки на устойчивость. Если застряли на задаче — встроенный промпт-наставник для нейросети, который объясняет и направляет, а не выдаёт готовый ответ
Программа курса
Что вы получаете
- Рабочий навык: оценить эффект без A/B и защитить вывод перед командой
- Практику на автопроверяемых задачах, а не только теорию
- Карту «метод → библиотека» и бест-практисы для реальной работы
- Понимание, какой именно эффект (ATE / ATT / LATE) вы посчитали и кому его нести