Prêt à faire évoluer votre analyse de données de la corrélation à la causalité ?

Cette formation courte a été conçue pour aider les analystes de données à réaliser des inférences causales rigoureuses dans un contexte professionnel. À l’issue de cette formation, vous serez en mesure de distinguer les véritables effets causaux des corrélations fallacieuses, de valider les hypothèses causales avec une rigueur statistique et de générer des conclusions causales fiables qui guideront vos décisions stratégiques. À l'issue de ce cours, vous serez capable de : - Mettre en œuvre l'appariement par score de propension pour l'estimation de l'effet de traitement - Évaluer les hypothèses causales et détecter les violations dans les expériences en entreprise - Appliquer des algorithmes de score de propension pour découvrir des relations causales à partir de données marketing - Évaluer la robustesse grâce au rééchantillonnage par bootstrap et aux mesures de stabilité Ce cours est unique en son genre, car il fait le lien entre la théorie académique de l’inférence causale et les applications pratiques en entreprise à l’aide de véritables ensembles de données marketing et expérimentales. Pour mener à bien ce projet, vous devez posséder des connaissances en programmation Python et en statistiques, ainsi qu’une expérience avec les bibliothèques pandas et statsmodels.