Causal Inference на Python. Причинно-следственные связи в IT-разработке

Автор: Факур М., «Causal Inference на Python. Причинно-следственные связи в IT-разработке»:
Сколько покупателей привлечет дополнительный доллар онлайнового маркетинга? Какие покупатели будут покупать только тогда, когда им дадут купон на скидку? Как определить оптимальную ценовую стратегию? Лучший способ выяснить, как имеющиеся в нашем распоряжении рычаги влияют на те бизнес-показатели, которые мы хотим получить, это causal inference. Матеус Факур, старший специалист по анализу данных компании Nubank, рассказывает о практически неиспользованном потенциале causal inference для оценки последствий и эффектов. Менеджеры, специалисты по обработке данных и бизнес-аналитики познакомятся с классическими методами каузального вывода, такими как рандомизированные контрольные испытания (А/В-тссты), линейная регрессия, оценка склонности, синтетические элементы управления и разница в разнице. Каждый метод сопровождается примером из реальной жизни.