causal-inference

DoWhy là một thư viện Python dành cho suy luận nhân quả (causal inference), hỗ trợ mô hình hóa và kiểm tra rõ ràng các giả định nhân quả. DoWhy dựa trên một ngôn ngữ thống nhất cho suy luận nhân quả, kết hợp các mô hình đồ thị nhân quả và các framework kết quả tiềm năng (potential outcomes).

Mô hình hóa uplift và suy luận nhân quả bằng các thuật toán machine learning

ALICE (Automated Learning and Intelligence for Causation and Economics) là một dự án nghiên cứu của Microsoft nhằm áp dụng các khái niệm Trí tuệ Nhân tạo vào việc ra quyết định kinh tế. Một trong những mục tiêu của dự án là xây dựng một bộ công cụ kết hợp các kỹ thuật học máy tiên tiến nhất với kinh tế lượng để tự động hóa các bài toán suy luận nhân quả phức tạp. Đến nay, Python SDK của ALICE (e

Nền tảng phân tích khám phá và trực quan hóa dữ liệu tự động thế hệ tiếp theo.

Coz: Causal Profiling

Causal Inference for the Brave and True. Tiếp cận học tập nhẹ nhàng nhưng chặt chẽ về ước tính tác động và nguyên nhân.

Bộ công cụ Python cho suy luận nhân quả và xác suất

Chỉ mục các thuật toán học nhân quả bằng dữ liệu

Thư viện Python giúp các nhà khoa học dữ liệu suy luận nhân quả thay vì quan sát sự tương quan.

Bộ sưu tập các bài báo kinh điển trong ngành và tiên tiến nhất trong lĩnh vực khuyến nghị/quảng cáo/tìm kiếm.

Khám phá nhân quả trong Python. Học tính nhân quả từ dữ liệu.

Mẫu Claude Code sẵn sàng để fork dành cho các nhà nghiên cứu sử dụng LaTeX/Beamer + R. Bao gồm đánh giá multi-agent, kiểm soát chất lượng (quality gates), QA đối kháng và quy trình tái tạo.

Gói suy luận nhân quả trong đồ thị và thiết lập theo cặp. Bao gồm các công cụ khôi phục cấu trúc đồ thị và phụ thuộc.

Danh sách tổng hợp các thư viện, tài nguyên và ứng dụng về suy luận nhân quả.

Gói Python để suy luận nhân quả trong các thiết lập giả thực nghiệm

Các dự án liên quan đến AI đáng tin cậy

Rừng ngẫu nhiên tổng quát (Generalized Random Forests)

Bộ kỹ năng Claude Code/Codex chuyên dụng cho các tạp chí hàng đầu — AER, QJE, Nature, Cell, 管理世界, 经济研究 & hơn 200 tạp chí khác — giúp bạn nhanh chóng được xuất bản.

Bản dịch tiếng Trung của cuốn sách Causal Inference for the Brave and True. Tất cả mã nguồn đều dựa trên Python, phù hợp cho các lĩnh vực kinh tế lượng, xã hội học định lượng và đánh giá chính sách. Tác giả bản gốc tiếng Anh: Matheus Facure

Quản lý mạng, giám sát, ITOM và phân tích bảo mật mã nguồn mở

Gói Python để phân tích suy luận nhân quả mô-đun và đánh giá mô hình

DoubleML - Học máy kép (Double Machine Learning) trong Python

Triển khai Causal Impact bằng Python dựa trên gói R của Google. Được xây dựng bằng TensorFlow Probability.

Danh sách các công cụ, thư viện và tài nguyên AI được tuyển chọn dành cho nghiên cứu kinh tế, giảng dạy và phân tích chính sách. Được duy trì bởi nhóm OpenEcon.

Gói Python để khám phá nguyên nhân dựa trên LiNGAM.