Diplomová práce

Metody kauzálního strojového učení

Causal machine learning methods

Bc. Matěj Ciprys
Anotace

Tato diplomová práce se zaměřuje na metodu Double Machine Learning (DML), navrženou Chernozhukovem et al. (2018), která umožňuje odhad kauzálních efektů z observačních dat s využitím algoritmů strojového učení. Práce nejprve zasazuje DML do kontextu kauzální inference a existujících přístupů kauzálního strojového učení, včetně meta-learnerů a Causal Forest. Podrobně popisuje teoretické základy metody …více

Abstract

This thesis examines the Double Machine Learning (DML) method, proposed by Chernozhukov et al. (2018), which enables the estimation of causal effects from observational data using machine learning algorithms. The thesis first situates DML within the context of causal inference and existing causal machine learning approaches, including meta-learners and Causal Forest. It provides a detailed description …více

Klíčová slova
Double Machine Learning kauzální inference strojové učení simulace treatment efekt Neyman ortogonalita cross-fitting causal inference machine learning simulation treatment effect Neyman orthogonality
Zadání práce
Cílem diplomové práce je prozkoumat vybranou metodu strojového učení s důrazem na její schopnost odhadnout kauzální efekt. Kauzální inference a predikční schopnost modelu bude na simulovaných datech strovnána s vhodnými technikami klasické ekonometrie.

Student nejdříve popíše vybranou metodu strojového učení zaměřenou na kauzální odhad a zasadí ji do kontextu literatury. Následně nasimuluje data, které budou odpovídat profilu problému, který má daná metoda řešit. Na těchto datech natrénuje jak model strojového učení, tak identifikuje daný efekt pomocí nástrojů ekonometrie. Následně oba modely srovná. Své výsledky student popíše formou diplomové práce.
Administrativní informace
Práce zkontrolována:
8. 5. 2026 09:36, Ing. Michal Kvasnička, Ph.D., učo 847
Plný text práce
1,8 MB / soubor PDF
Přílohy (1)
Jazyk práce
čeština čeština
Termín obhajoby
17. 6. 2026
Práce byla úspěšně obhájena

Vedoucí

Ing. Michal Kvasnička, Ph.D., učo 847
KE ESF MU

Oponent

Ing. Tereza Butor, učo 495055
HEPII ÚZ ESF MU
Citovat tuto práci
Masarykova univerzita Ekonomicko-správní fakulta
Studijní program
Plán
Matematické a statistické metody v ekonomii

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.