Causality

Worum geht's

Du beschäftigst dich mit Konzepten und Methoden der kausalen Inferenz: von probabilistischen und graphentheoretischen Grundlagen über strukturelle Modelle bis zu modernen Algorithmen für Ursachenentdeckung und Schätzung von Kausaleffekten. Am Ende kannst du beurteilen, ob und wie aus gegebenen Daten und Annahmen kausale Schlüsse möglich sind, passende Methoden auswählen und diese praktisch anwenden.

Was du danach kannst

• Grundbegriffe der Kausalität und probabilistischer Graphmodelle verstehen
• Neyman‑Rubin- und strukturale Gleichungsmodelle kennen
• Interventionen, do‑Calculus und Counterfactuals anwenden
• Methoden zur Schätzung kausaler Effekte auswählen und anwenden (Matching, Propensity Score, Doubly Robust, IV, Diff‑in‑Diff)
• Kausale Entdeckung aus Daten mit geeigneten Algorithmen beurteilen
• Sensitivitätsanalyse für Annahmen durchführen

Aus was das Modul besteht

• VorlesungVermittlung der theoretischen Grundlagen der kausalen Inferenz
• Übungen / wöchentliche ÜbungssitzungenSelbststudium, Festigung der Konzepte; Präsentation und Diskussion von Lösungen
• Live‑Coding / MedienDemonstration und praktische Anwendung von Algorithmen

Lehrmethode

• Lecture combined with exercises for self-studyKonzepte werden in der Vorlesung eingeführt; Übungen dienen der Vertiefung durch eigene Anwendung
• Weekly exercise sessionsVorstellung und Diskussion der Übungs‑ und Lösungswege zur Festigung des Verständnisses