Lab de inferência causal aplicada — Diff-in-Diff, matching, incerteza e memos de decisão.
Applied causal inference lab — Diff-in-Diff, matching, uncertainty and decision memos.
PT-BR · English · Live Demo · Stack · Architecture · Quick Start · Author
CausalForge é um lab para avaliar intervenções de negócio com métodos causais declarados (Diff-in-Diff, matching), intervalos de incerteza e memos de decisão com limitações explícitas.
Aviso de lab: demo de portfólio com dados sintéticos/amostra. Não é produto em produção com SLA, integrações reais de clientes ou garantia operacional.
Dashboards correlacionais confundem correlação com impacto. Times precisam de um fluxo honesto para estimar efeito com hipóteses e limitações visíveis.
- Analistas de experimentação e product analytics
- Consultores de operação/negócio
- Estudantes de causal inference aplicada
- Recrutadores avaliando rigor analítico
- Cenários de intervenção sintéticos
- Diff-in-Diff e matching
- Visualização de incerteza
- Memo de decisão com caveats
- Metodologia documentada em docs/
- É: lab educacional/portfólio de causalidade aplicada.
- Não é: RCT platform, A/B testing production suite, causalidade automática sem revisão humana.
CausalForge is a lab to evaluate business interventions with declared causal methods (Diff-in-Diff, matching), uncertainty intervals and decision memos with explicit limitations.
Lab notice: portfolio demo with synthetic/sample data. Not a production product with SLA, real customer integrations, or operational guarantees.
Correlation dashboards confuse association with impact. Teams need an honest workflow to estimate effects with visible assumptions and limits.
- Experimentation and product analytics practitioners
- Operations/business consultants
- Students of applied causal inference
- Recruiters assessing analytical rigor
- Synthetic intervention scenarios
- Diff-in-Diff and matching
- Uncertainty visualization
- Decision memo with caveats
- Methodology docs under docs/
- Is: educational/portfolio lab for applied causality.
- Is not: RCT platform, production A/B suite, automatic causality without human review.
URL: https://causalforge-rose.vercel.app
Demo hospedada para avaliação de portfólio / Hosted for portfolio review.
Lab demo — synthetic / sample data unless noted. Not a production SLA product.
| Tecnologia | Uso no projeto |
|---|---|
| Next.js 15 / React 19 / TypeScript | UI |
| Recharts / Lucide | Charts e navegação |
| FastAPI / Pandas / NumPy / SciPy | Estimativas e API |
| Pytest / Ruff | Qualidade Python |
Monorepo com API FastAPI (�pps/api), frontend Next (�pps/web) e entry �pi/index.py para deploy serverless quando aplicável.
xt CausalForge/ ├── api/index.py ├── apps/ │ ├── api/ │ └── web/ ├── assets/ ├── data/seed/ ├── docs/ ├── scripts/ ├── requirements.txt ├── start.bat └── vercel.json
- Node.js 20+
- Python 3.12+
- npm
�ash git clone https://github.com/BarujaFe1/CausalForge.git cd CausalForge
�at start.bat
Sobe API em :8000 e web em :3000.
`�ash
cd apps/api python -m venv .venv
pip install -r requirements.txt uvicorn app.main:app --reload --port 8000 `
`�ash
cd apps/web npm install npm run dev `
Copie .env.example se precisar de NEXT_PUBLIC_API_URL.
- SciPy/Pandas para estimativas transparentes, não AutoML causal.
- Memos com limitações como feature de produto.
- Dados sintéticos para demo segura.
- DiD, matching, UI de incerteza, memo, demo Vercel
- Synthetic control
- Export PDF
- Biblioteca de cenários
Developed by Felipe Alirio Baruja.
- Portfolio: https://barujafe.vercel.app/
- GitHub: github.com/BarujaFe1
- LinkedIn: linkedin.com/in/barujafe
- Repository: github.com/BarujaFe1/CausalForge
MIT License.
See LICENSE for details.
CausalForge
Impacto com método e limites declarados.
Impact with declared methods and limits.