✨ Time to make decisions wisely

✨ 팀 소개

<aside> 💡 안녕하세요. 가짜연구소 Causal Inference 팀입니다.

데이터를 통한 문제해결력을 높이기 위해 Causal Inference를 함께 학습하고 있어요✌️

한국어 자료가 많지 않은 인과추론을 많은 분들이 쉽게 접하실 수 있도록 기여하고자 합니다!

▶️ 팀 블로그 : Team Blog ▶️ 팀 Github : Team Github

</aside>

⚽ Goal

<aside> ➡️ 1. Causal Inference 실습에 대한 한국어 자료 만들기

2. Causal Inference에 대한 개인별 Output 만들기

</aside>

🪄 Greeting

Causal Inference 팀원 소개

출석 체크

📢 Notice

<aside> 📢 다음 스터디는 3.27(월) 오후 9:30에 예정되어 있습니다.

▶️가짜연구소 Causal Inference 팀 자료:

• Team Blog / Team Github / 이전 스터디 Notion

▶️ 참여 링크 : 온라인 게더타운 Room H

▶️ 자료 링크 : Python-causality-book

</aside>

🧲 Reminder

• [OT 시작 전]
• [OT - 01.06 공지사항]
• [2주차 - 01.29 공지사항]
• [3주차 - 02.13 공지사항]
• [4주차 - 02.20 공지사항]
• [5주차 - 02.27 공지사항]
• [6주차 - 03.06 공지사항]
• [7주차 - 03.13 공지사항]
• [8주차 - 03.20 공지사항]

✅ Ground Rule

1. 스터디 규칙

   • 시간을 잘 지켜주세요.
   • 출석체크를 위해 실명으로 참여 부탁드려요.
   • 온라인에서 여러분을 만나는 환경이므로 웹캠을 꼭 준비해 주세요.
   • 서로간의 Respect 부탁드립니다.

2. 스터디 일정

   • 시간 : 매주 월요일 저녁 9시 30분
   • 주 1회, 주 1시간 반 On/Offline 모임
   • 3개월 진행 예정

3. 청강 여부

   • 청강 가능

🎮 Activities

1. 스터디 (시작전)

   • 모두가 해당 주차의 강의를 듣고, 공부합니다.
     • 해당 챕터를 공부하면서 느낀점 or 질문 내용을 준비합니다
     • 해당 챕터를 공부하는데, 참고하거나 좋은 적용 사례가 있다면, 계획표에 링크를 남겨주세요

2. 스터디 (온/오프라인)

   • 실습자료 : 발표자가 실습책의 내용을 번역 & 이해한 후 Github에 정리합니다.

   • 개인 TASK (추석 연휴 이후) : 각자 정한 TASK에 대해서 본인의 블로그 or 팀 블로그에 공유합니다.

     → 이해를 못해도, 완벽하게 정리하지 않아도 됩니다!

     → 지난번 처럼 함께 이야기 나누면서 앞으로 나아가요!

3. 스터디 (모임 이후)

   • 인과추론을 적용해볼 수 있는 데이터 시나리오를 자유롭게 공유해주세요! 같이 문제를 풀어봅시다 😃

📋 Study Plan

<aside> 💡 아래 플랜은 빌더가 작성한 초안이며, 주차별 진행계획은 스터디원분들과 협의에 의해 변경될 수 있습니다.

</aside>

계획표

🧩 Causal Inference Milestone - 다음 프로젝트에 활용 예정

[ Causal Inference Task 정리 ]

• 계량경제학 수업 복습하기
• 복습한 내용 블로그에 정리하여 2주마다 1개 이상의 블로그에 포스트 공유

TBD

1. SEM 개념, 장점, 사용법, 패키지, 인과추론 분야에서의 사용 예시 정리 → 노트북 파일 또는 발표 영상으로
2. 세이버메트릭스 공부 (공부자료 및 산출물은 미정) | | | | 최은희 | 1. 추천 알고리즘 관련 러프하게 정리(개인? 팀?) & Causal Recommedation System 스터디 후 개인 블로그 혹은 팀 블로그에 정리 - 회사 상품 추천 로직에 예시 적용해보고, 괜찮다면 괜찮은 오픈데이터셋 활용하여 사례 개발 (혹은 churn model + causal Inference)
3. 데이터과학을 위한 통계 책 정리하기 | | | | 홍성철 | 1. 해석가능한 시계열 예측 모델 논문 작성 완료하기: 논문 결과물을 요약하여 블로그 정리
4. Causal quantile effect에 대한 공부해보기

• http://proceedings.mlr.press/v119/tagasovska20a/tagasovska20a.pdf
• https://onlinelibrary.wiley.com/doi/epdf/10.1002/sim.8722

3. 퀀트 공부하기(퀀트 투자 포트폴리오 만들기 책) | | | | 신진수 | 1. Experimentation Platform 강의 요약 및 생각을 붙여서 블로그 정리

• https://www.youtube.com/watch?v=0CGQvdAbNcc

2. Tech Blog : 2개 번역 + 블로그 정리

• https://medium.com/airbnb-engineering/experimentation-measurement-for-search-engine-optimization-b64136629760
• https://engineering.linkedin.com/blog/2022/ocelot--scaling-observational-causal-inference-at-linkedin 3. Jupyter Book 띄우는 작업 (완료) | | | | 김소희 | 1. Big tech 기술 블로그 1개 블로그에 요약 및 정리
• https://netflixtechblog.medium.com/causal-machine-learning-for-creative-insights-4b0ce22a8a96 (NEXT) 동영상 스트리밍 서비스의 구독 기간 중 시청시간과 retention의 인과 ⇒ 언젠가… ~~1. churn + causal inference 적용한 techblog article 찾아서 예제 돌려보기

2. 없으면 최대한 비슷한 사례로 regression feature에 대해 causal inference 적용 사례 찾아서 요약 정리
3. 회사 데이터셋에 적용 + 적용 과정과 결과(수치는 masking) 글로 정리~~ | | | | 김상돈 | 1. Sensitivity Analysis in Observational Research: Introducing the E-Value 블로그에 정리
4. Dowhy tutorial 블로그에 정리 : https://www.pywhy.org/dowhy/v0.9.1/example_notebooks/sensitivity_analysis_testing.html | | | | 정호재 | 1. 논문작성 : DAG를 활용한 CSS prediction 모형 제시 (춘계학술)
5. CausalImpact

• R + Python 라이브러리 사용방법 블로그에 정리
• 활용사례 공유(가능하다면 회사 데이터셋에 적용) | | | | 김성수 | 1. Sport science / Game Industry 내에서 Causal inference 실제 적용해서 블로그 공유

2. 계량 마케팅 수업 블로그 1회 공유 (Hazard model, Possion model, Fixed effect etc..) | | | | 박시온 | 1. Casaul Recommendation System 알고리즘 공부하기

• 이론적인 배경 도식화, 수식 등으로 블로그에 정리
• https://netflixtechblog.com/a-survey-of-causal-inference-applications-at-netflix-b62d25175e6f

2. Kaggle 데이터에 적용해보고 여러 방향으로 성능 측정하기 (NEXT) | | |

📚 Archives

Causal Inference 아카이빙