causality

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).

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.

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

Chỉ mục các thuật toán học nhân quả bằng dữ liệu

[Embodied-AI-Survey-2025] Danh sách bài báo và kho tài nguyên về AI có thể hiện thực hóa (Embodied AI)

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

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.

Eliot: hệ thống ghi log cho bạn biết *lý do tại sao* điều đó xảy ra

Các dự án liên quan đến AI đáng tin cậy

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

Nghiên cứu được tuyển chọn tại điểm giao thoa giữa suy luận nhân quả và xử lý ngôn ngữ tự nhiên.

Kho lưu trữ mã nguồn mở cho Workshop về Mô hình hóa nhân quả trong Machine Learning tại Altdeep.ai @ www.altdeep.ai/courses/causalAI

Gói Python để khám phá nguyên nhân dựa trên LiNGAM.