Inférence causale & Graphiques dirigés

Cette séance de cours de l'instructeur porte sur les concepts fondamentaux de l'inférence causale et des graphiques dirigés, en mettant l'accent sur l'indépendance conditionnelle, les graphiques acycliques dirigés (GAD) et l'équité dans les algorithmes. La séance de cours explique les relations entre les variables, la condition de Markov, les règles de d-Séparation, et les implications des GAD sur les relations d'indépendance. Elle se penche également sur l'importance de l'équité, de la transparence et de la responsabilisation dans les systèmes automatisés de prise de décisions, en discutant de la parité prédictive, de l'équilibre des taux d'erreur et de la parité statistique. À l'aide d'exemples et de théorèmes, la séance de cours donne des indications sur la modélisation des relations de cause à effet et sur l'équité dans la prise de décisions algorithmiques.