데이터 실무자의 사고력 강화 : AI 인과추론 실무

02

데이터 분석의 패러다임 변화

03

예측(Prediction)과 인과(Causation)의 구분

04

인과추론의 사다리 (Causal Ladder)

05

프로덕트 분석가 이해하기

06

비즈니스 문제 해결을 위한 Framework

07

가설 검증을 위한 프로덕트 지표

08

가설 검증을 위한 인과추론 핵심 가정

09

의사결정을 방해하는 Bias 바라보는 3가지 관점

10

온라인 통제실험 톺아보기(1)

11

온라인 통제실험 톺아보기(2)

12

A-B 테스트의 한계와 준실험의 이해

13

매칭과 성향 점수

14

패널데이터와 이중차분법(1)

15

패널데이터와 이중차분법(2)

16

통제집단합성법과 Causal Impact(1)

17

통제집단합성법과 Causal Impact(2)

18

내생성을 제거하기 위한 도구 - 도구 변수

19

평균의 함정에서 벗어나기- CATE

20

Causal Machine Learning

21

Causal Discovery

22

Causal ML 라이브러리 활용

23

개별 실험의 결과가 비즈니스 임팩트로 이어지기까지

24

제한된 비용에서 최적의 선택을 하는 방법

25

비즈니스 결과의 신뢰성 검증

26

인과추론의 한계와 비즈니스 적용의 실제

27

부록_인과적 사고- AI와 협업하는 Human 데이터 분석가의 핵심 역량