Für datenwissenschaftliche Analysen gelten üblicherweise zwei Standards: sie sind primär auf die Optimierung von Vorhersagegenauigkeit ausgerichtet und sie legen starken Wert auf eine fundierte Validierung der Analyse. Entsprechend stehen prädiktive Analytik verbunden mit ausgefeilten Techniken der Validierung im Zentrum einer jeden datenwissenschaftlichen Analyse. Demgegenüber spielt in der Methodologie und Forschungspraxis der empirischen, mit quantitativen Methoden arbeitenden Sozialwissenschaft das Ziel der kausalen Inferenz in Verbindung mit dem Management der Datenqualität traditionell eine starke Rolle. Der Kurs greift auf, wie sich im Kontext statistischen Lernens die Ziele der prädiktiven Analytik und kausalen Inferenz miteinander verbinden lassen und Techniken der prädiktiven, kausalen und statistischen Inferenz in kohärenter Weise praktisch eingesetzt werden können.