causal-inference

DoWhy é uma biblioteca Python para inferência causal que suporta a modelagem e o teste explícitos de premissas causais. O DoWhy baseia-se em uma linguagem unificada para inferência causal, combinando modelos gráficos causais e estruturas de resultados potenciais.

Modelagem de uplift e inferência causal com algoritmos de aprendizado de máquina

ALICE (Automated Learning and Intelligence for Causation and Economics) é um projeto da Microsoft Research que visa aplicar conceitos de Inteligência Artificial à tomada de decisões econômicas. Um de seus objetivos é criar um kit de ferramentas que combine técnicas de aprendizado de máquina de última geração com econometria para automatizar problemas complexos de inferência causal. Até o momento, o SDK Python do ALICE

A próxima geração de plataforma automatizada para análise exploratória e visualização de dados.

Coz: Causal Profiling.

Causal Inference for the Brave and True. Uma abordagem leve, porém rigorosa, para aprender sobre estimativa de impacto e causalidade.

Kit de ferramentas Python para raciocínio causal e probabilístico

Um índice de algoritmos para aprender causalidade com dados

Uma biblioteca Python que ajuda cientistas de dados a inferir causalidade em vez de apenas observar correlação.

Uma coleção de artigos clássicos e de ponta da indústria nas áreas de recomendação, publicidade e busca.

Descoberta causal em Python. Aprendendo causalidade a partir de dados.

Um modelo Claude Code pronto para fork para acadêmicos usando LaTeX/Beamer + R. Inclui revisão multi-agente, portões de qualidade, QA adversarial e protocolos de replicação.

Pacote para inferência causal em grafos e configurações de pares. Inclui ferramentas para recuperação de estrutura de grafos e dependências.

Uma lista curada de bibliotecas, recursos e aplicações de inferência causal.

Um pacote Python para inferência causal em cenários quase-experimentais

Projetos relacionados a IA confiável.

Florestas Aleatórias Generalizadas (Generalized Random Forests)

Pacotes de habilidades Claude Code/Codex específicos para periódicos, cobrindo os principais periódicos — AER, QJE, Nature, Cell, 管理世界, 经济研究 e mais de 200 outros — seu caminho rápido para publicação.

Tradução para o chinês de Causal Inference for the Brave and True. Todo o código é baseado em Python, adequado para econometria, sociologia quantitativa, avaliação de estratégias, etc. Autor original da versão em inglês: Matheus Facure.

Gerenciamento de Rede de Código Aberto, Monitoramento, ITOM e Análise de Segurança

Um pacote Python para análise modular de inferência causal e avaliações de modelos

DoubleML - Double Machine Learning in Python

Implementação em Python do Causal Impact baseada no pacote R do Google. Construído usando TensorFlow Probability.

Uma lista selecionada de ferramentas de IA, bibliotecas e recursos para pesquisa econômica, ensino e análise de políticas. Mantido pela equipe OpenEcon.

Pacote Python para descoberta causal baseado em LiNGAM.