Chères et chers collègues
pour la prochaine séance du Séminaire Systèmes complexes en sciences sociales, ce vendredi 22 janvier (15h,en visio-conférence),
Imke Mayer (CAMS) donnera un exposé sur l’inférence causale, un sujet également abordé lors de notre première séance de cette année universitaire.
L’exposé sera en français ou anglais selon l’auditoire. Talk in French or English depending on the audience.
Titre et résumé, et informations pratiques, ci-dessous.
Bien cordialement
Jean-Pierre Nadal
Séminaire Systèmes complexes en sciences sociales
organisé par Henri Berestycki et Jean-Pierre Nadal
Vendredi 22 janvier 2021, 15h en visio-conférence.
Imke MAYER
EHESS, CAMS
Title: Causal inference for observational data and joint experimental and observational data
Abstract: In machine learning, there has been great progress in obtaining powerful predictive models, but these models rely on correlations between variables and do not allow for an understanding of the underlying mechanisms or how to intervene on the system for achieve a certain goal. The concepts of causality are fundamental to have levers for action, to formulate recommendations and to answer the following questions: “what would happen if we had acted differently?” The idea is to search for “Human-like AI", to take reasonable, robust decisions in never experienced situations. In this talk, I will introduce the potential outcomes framework for causal inference to answer questions such as “what is the effect of a job training on employment integration?” I will present techniques to estimate the average treatment effect from observational data such as electronic health records. Then I will show how these methods can leverage powerful machine learning tools for statistical inference. Finally I will focus on the data fusion problem that consists in combining observational and randomized controlled trial data.
Titre : Inférence causale pour données observationnelles et analyses jointes de données expérimentales et observationnelles
Résumé : Dans le domaine de l’apprentissage machine, de grands progrès ont été réalisés dans l’obtention de modèles prédictifs puissants, mais ces modèles reposent sur des corrélations entre variables et ne permettent pas de comprendre les mécanismes sous-jacents ou la manière d’intervenir sur le système pour atteindre un certain objectif. Les concepts de causalité sont fondamentaux pour disposer de leviers d’action, pour formuler des recommandations et pour répondre aux questions suivantes : “que se passerait-il si nous avions agi différemment ?” L’idée est de rechercher une “human-like AI", de prendre des décisions raisonnables et solides dans des situations jamais vécues. Dans cet exposé, je présenterai le cadre de réponses potentielles pour l’inférence causale afin de répondre à des questions telles que “quel est l’effet d’une formation professionnelle sur l’insertion professionnelle ?” Je présenterai des techniques pour estimer l’effet moyen de traitement à partir de données observationnelles telles que les dossiers médicaux électroniques. Je montrerai ensuite comment ces méthodes peuvent tirer parti des outils puissants de l’apprentissage machine pour l’inférence statistique. Enfin, je me concentrerai sur le problème de la fusion des données qui consiste à combiner des données observationnelles et des données d’essais contrôlés randomisés.
Important :
La participation est libre. Cependant, pour nous permettre de disposer de la liste des participants à cette séance, et pour recevoir le lien et le code d’accès, merci de vous inscrire sur Listsem (saisir UE 357- avec un espace entre UE et 357 – pour trouver le bon séminaire).
Dernier envoi des informations de connexion vendredi à 14h30.
To receive the link and access code, please register on Listsem (type UE 357 – with a blank space between UE and 357 – in order to select the proper seminar. Last mail sent to registered participants on Friday at 2:30pm).
L’annonce du séminaire est diffusée sur les listes ehess : vie-scientifique, cams-infos, humanict.
http://cams.ehess.fr/systemes-complexes-en-sciences-sociales/
Jean-Pierre Nadal
Directeur de recherche au CNRS & Directeur d’études à l’EHESS
Directeur du CAMS
Centre d’Analyse et de Mathématique Sociales (CAMS)
École des Hautes Études en Sciences Sociales