本教程介绍了如何使用 ERUPT 指标和 Python 中的 CausalTune 库来改善业务指标。它展示了一个实际示例，以及如何使用 ERUPT 指标来优化点击率。它还展示了如何使用 ERUPT 来评估之前的实验，以及如何使用真实的业务示例来评估具有不同分配方案的未来实验的潜在影响。
本教程介绍了使用 Python 中的 DoWhy 库进行因果 AI 的一些基本概念和思想。因果推理在概念上与标准机器学习有很大不同，因此大多数人在开始时可能背景知识有限。然而，基本的回归分析和统计建模知识将有助于理解。作者：Paul Hünermund 和 Jermain Kaminski
我们最近与 Databricks 合作，在其生态系统中创建了一个因果机器学习的解决方案加速器。了解如何利用 MLFlow 等工具来促进端到端因果机器学习应用中的模型管理，涵盖从数据探索和因果发现一直到个性化策略推荐的整个过程。
EconML 的双重稳健学习器模型联合估计多个离散干预措施的效果。
EconML 的 DML 估计器利用现有数据中的价格变动，估计个体对激励的反应。
EconML 的 DRIV 估计器利用这种实验性微调来解释合规性不完美的实验。
超越预测模型：酒店预订取消背后的因果故事。
估计会员奖励计划的效果。
介绍用于因果推断的 do-sampler。
理解“为什么”的问题。
从干预措施预测因果效应。