zurück zur Suche

Causal Inference: Contemporary Methods

SOT10143Elective Modules6 ECTSEnglischWintersemesterDepartment Educational Sciences
KI-überarbeitetes Infoblatt. Auf Basis der TUMonline-Modulbeschreibung, sprachlich aufbereitet.Original in TUMonline

Worum geht's

Du lernst, wie man kausale Zusammenhänge aus Beobachtungsdaten mithilfe von Machine-Learning-Methoden ableitet und wie man Experimente so gestaltet, dass potenzielle Confounder berücksichtigt werden. Am Ende kannst du die Gültigkeit kausaler Aussagen beurteilen, passende Methoden auswählen und die Annahmen sowie Grenzen der Analysen einschätzen.

Was du danach kannst

  • Relevanz von Causal Inference für Forschungsfelder verstehen
  • Korrelations- und Kausalzusammenhänge in Studien unterscheiden
  • Kausation durch experimentelles Design und ML-Methoden identifizieren
  • Verschiedene Methoden kennen (z. B. Matching, baumbasierte Methoden)
  • Anwendungsfälle und Grenzen der Methoden beurteilen
  • Kausale Annahmen gemäß Literatur bzw. Studien modellieren
  • Zuverlässigkeit analytischer Befunde und mögliche ML-Biases beurteilen

Aus was das Modul besteht

  • VorlesungVermittlung der Theorie und Fallstudien
  • Übungen/AufgabenVertiefung durch Analyse, Implementierung und Diskussion von Methoden
  • PräsentationKurzvorstellung der Lösung mindestens einmal
  • Quizschriftlicher Abschlusstest zu den erlernten Themen

Lehrmethode

  • VorlesungenEinführung in Theorie und Fallstudien
  • Lesen kuratierter Papers und BuchauszügeBegleitendes Verständnis für aktuelle Forschung und Methoden
  • Programmatische Aufgaben mit Jupyter NotebooksPraktische Anwendung und Implementierung von Methoden
  • Diskussionen in ÜbungsstundenReflexion methodischer und gestalterischer Entscheidungen

Termine

SeminarCausal Inference: Contemporary Methods

Aus dem laufenden Semester, unverbindlich.

Modulbewertungen

Noch keine Bewertungen für dieses Modul.

Modul bewerten

Fülle nur die Kategorien aus, die du beurteilen kannst – je Kategorie entweder Sterne und Text zusammen oder gar nichts.

Vorlesung
Übung
Prüfung

Bewertungen werden vor der Veröffentlichung automatisch geprüft.

Offizielle Seite in TUMonline · Angaben unverbindlich.