从推荐买什么，看什么电影，到选择看什么新闻，关注什么人，申请什么工作，在线系统已经成为我们日常生活的重要组成部分。一个自然要问的问题是这些社会技术系统如何影响我们的行为。然而，由于这些系统的输出和人的行为之间的复杂的相互作用，确定它们对人的行为的影响是不容易的。 幸运的是，有大量关于因果推理的研究可供我们借鉴。在本教程的第一部分中，我将展示反事实推理对研究社会技术系统的价值，通过展示基于相关性的预测建模如何可能适得其反。然后，我们将讨论因果推断的不同方法，包括随机实验，自然实验，如工具变量和回归不连续，以及观察方法，如分层和匹配。在整个过程中，我们将尝试与图形模型、机器学习和过去在社会科学中的工作联系起来。 下半场将会有更多的实践。我们将通过一个实际的例子来估计一个推荐系统的因果影响，从简单到复杂的方法开始。实践练习的目标是了解不同因果推理方法的缺陷，并获得用混乱的真实世界数据进行因果推理的最佳实践。

数字信号处理英文版课件：Chapter1 Continuous-time Signals and Systems第四版.ppt

数字信号处理英文版课件：Chapter4 Discrete-time Systems第四版.ppt

数字信号处理英文版课件：Chapter7 LTI Discrete-Time Systems in the Transform Domain 第四版.ppt

信号与系统：第二章 Linear time-invariant systems.ppt

数字信号处理教学课件：Chapter4 Discrete-time Systems.ppt

数字信号处理教学课件：Chapter7 LTI Discrete-Time Systems in the Transform Domain.ppt

数字信号处理教学课件：Chapter2 Discrete-Time Signals and Systems in the Time-Domain.ppt

食饵捕食模型模型建模与仿真课程的实践练习 这个项目是由我在“建模和仿真”课程中编码的，它包含四个不同的练习。 建模和仿真是我们在IST学习期间选择的第一门选修课，并且由从事此工作的研究人员教授。 这种选择代表了我对系统互连以及随之而来的所有事物的热情。 在建模和仿真课程中，我学习了如何处理简单的问题，例如： 以矩阵形式（一维或多维）描述非线性系统； 状态空间建模，模型线性化和动态行为分析； 包含李雅普诺夫稳定性理论的非线性系统的稳定性； 用最小二乘法估计动态系统的参数； 关于离散事件系统的马尔可夫链问题； 惯性和车身参考系的互连，用于对自动驾驶汽车进行建模。 我们如何以数字方式（离散时间）研究自然问题（连续问题）？ 本练习模拟SIMULINK中的非线性系统，例如汽车运动，共生食肉动物/猎物关系或双摆运动。 使用MATLAB软件可以管理仿真和评估结果。 伺服机构如何表现？ 基于状态空间变换，此练习涉及伺服机制的行为及其对多种刺激的响应。 在他的稳态下，我们如何预测非线性系统的响应？ 在这里，它使用状态空间进行工作，状态空间表示稳态模型的线性化，例如节拍器在稳态点附近振荡。 根据他的过渡态

信号与系统英文版课件：Chap1 Signals and Systems Basics.pptx