https://www.bradyneal.com/causal-inference-course 这个课程的笔记

因果推理的概念和方法的整体介绍。 涵盖了没有模型的因果推断，具有模型的因果推断以及来自复杂纵向数据的因果推断。

数十年来，因果推理是一个跨统计、计算机科学、教育、公共政策和经济学等多个领域的重要研究课题。在这项调查中，我们提供了一个全面的综述因果推理方法下的潜在结果框架，一个众所周知的因果推理框架。

反事实VQA（CF-VQA） 该存储库是CVPR 2021中我们的论文的Pytorch实现。该代码将很快发布。 引文 如果您发现该项目对您的研究有所帮助，请考虑在您的出版物中引用我们的论文。 @inproceedings{niu2020counterfactual, title={Counterfactual VQA: A Cause-Effect Look at Language Bias}, author={Niu, Yulei and Tang, Kaihua and Zhang, Hanwang and Lu, Zhiwu and Hua, Xian-Sheng and Wen, Ji-Rong}, booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Rec

Counterfactuals and Causal Inference (第二版) Methods and Principles for Social Research。作者：Stephen I. Morgan, Christopher Winship。作为近年来最热话题之一的因果推断分析，这本书将以前以图结构为本的因果分析框架与更加传统的“Potential Outcomes”框架分别以理论和实例进行深度剖析，同时对这二者进行关联与结合，并对其背后的哲学思维与框架限制进行讨论。此书在美国多个顶级院校采用作为教科书，因果分析中的必备材料。