【因果推断入门】第1季第1集 课程简介 【Introduction to Causal Inference】 #统计机器学习课程

5engu11:
个人的思考，因果关系应该只能由相应的学科知识基于正确的逻辑推断。在没有问题背景的情况下，数据只能提供相关性和统计学自己定义的“因果”。

【回复】数据是物理世界产生的， 普通的统计模型即使数据背后有因果关系，也无法发现，因果推断模型可以发现背后的因果关系，但是也只是描述和发现了这种关系，只能推断，但真正的原始因果关系无法严格复现 除非你是上帝
【回复】回复 @-筒井あやめ :细学的话，就要看老师男神的著作了[偷笑]
【回复】老师有推荐配套练习吗[微笑]
小杰QJ:
大佬推荐来的 https://twitter.com/yudapearl/status/1251092835865997312?s=20

【回复】评论搬运： Is there an Course in english you can recommend that covers the same materials? As far as I recall, "因果" (used for "causal" here) there also means "karma" :D Wow. I wish there was one in English. I can understand some Cantonese but not Mandarin.
【回复】Judea Pearl 我的男神[喜欢][喜欢][喜欢]
wasedahw:
请问微积分和线代零基础能听懂这门课么，统计学学过一些，文科生

【回复】这样的话大概能听懂其中10%-20%，至少要学过概率论 和线性回归
【回复】有兴趣的话还得一步一个脚印的学习
天龙之猫:
我最近怎么到处遇到大神啊，刚遇到地理大神、现在又遇到计算机统计大神，b站藏龙卧虎啊，我这个化学硕士就是一个文盲啊，到处学习各种牛逼的知识，真是酸爽[吃瓜][吃瓜][吃瓜][吃瓜]

【回复】以后你还会知道发展理论。
【回复】硕士自谦文盲，我蚌住了
fsrstc:
学数学不要计较解题过程是不是自己想出来的，重要的是要将标准答案内化为自己的解题方式，内化标准答案和自己想出来答案，其最终效果是一样的。内化标准答案，其效率可能还更高一点。

网络连接不畅:
首页通知书（虽然我被推了十但是还是得从一开始看） ……B站的大数据分析到底知道了什么

冰霜星梦:
话说，开头和片尾虽然挺好的，但是每次因为前面讲的内容声音太小了，声音得调大，然后到片尾的时候突然声音就炸起来了。

Eluer常数维空间:
老师，请问下学您这套学问是考数据挖掘好，还是大数据分析好；走统计专业的研究方向还是走计算机科学的研究方向。

【回复】考研方向选择好像是很多伙伴都面临的现实挑战，似乎有必要专门做一期视频探讨一下[思考]
【回复】回复 @饺子博士and饭老师 :终于看到了[喜极而泣][喜极而泣]
psy12342234:
感谢up主宝藏课程 弥补了在伯克利时无暇去听因果推断的遗憾

兰音11:
请问哪位大佬有统计因果推理入门(翻译版)PDF？

ID-1024:
NB[热词系列_芜湖起飞][热词系列_知识增加]

小西瓜阿宝:
老师还继续更新这个系列吗？[热词系列_知识增加]

【回复】观看上1000后就会更新下一期
涨落的粒子:
非常棒的视频！今天刚发现， 一口气看完， 不过瘾，期待大佬更新。 请教一个问题， 学因果推断需要学贝叶斯么？想深入了解因果推断，但是又不想选贝叶斯这门课 --__--

b站doge哥:
比较好奇的是因果推断和概率图模型是不是就是一个东西呢

【回复】不是 但是因果推断中会用到有向图来表达结构因果模型
【回复】回复 @饺子博士and饭老师 :目前看来好像因果推断和贝叶斯网络差不多，期待up更新后续内容，想看一下具体区别是在哪里～
【回复】回复 @来点作用吧闹钟 :贝叶斯用的场景很多，推理用到的估计不止贝叶斯
秋天放映室:
老师讲的太棒了！期待继续更新因果推断进阶版[保佑]