NYU Paris is seeking a part-time lecturer to teach an expected undergraduate course in Data Science, Causal Inference. The course is held at NYU academic center in Paris and is offered to undergraduate students.



Language of instruction: English



Teaching commences in September 2025; courses meet for 2.5 hours per week for a 14.5 week term.Lecturers will be expected to teach an additional recitation session for 1.5 hours per week. Instructors should be prepared to teach in-person and simultaneously to be prepared for remote instruction should circumstances require it. NYU uses Zoom as its primary platform for remote instruction.



Causal Inference



Prerequisite: Intro to Data Science



Teaches the fundamentals of how to reason about causality and make causal determinations using empirical data. Introduces the counterfactual framework of causal inference and then considers a variety of approaches, starting with the most basic experimental designs to more complex observational methods, for making inferences about causal relationships from the data. Addresses questions about data generation and interpretation and provides hands-on implementation of causal inference techniques with real data sets. Problem sets will contain a mixture of both theoretical and applied questions in order to reinforce key concepts. Examines theoretical concepts and their applications; uses R or Python programming language.







About NYU and NYU Paris



Founded in 1831, New York University is the largest private university in the United States. The University has degree-granting campuses in New York, Abu Dhabi, and Shanghai and operates 11 global academic centers and research programs in more than 25 countries. NYU Paris is one of 11 study away academic centers in NYU's global network. Students at NYU Paris participate in an immersive study away program while earning credits towards their degree. To learn more, please visit NYU Paris (https://www.nyu.edu/paris.html) .



Description du poste de travail



NYU Paris est u00e0 la recherche d'un enseignant u00e0 temps partiel pour enseigner le cours anticipu00e9 de premier cycle en Data Science: Causal Inference



Langue d'enseignement: Anglais



L'enseignement commence en septembre 2025 ; les cours se du00e9roulent u00e0 raison de 2,5 heures par semaine pour un trimestre de 14,5 semaines. L'enseignant enseignera u00e9galement un TD u00e0 raison de 1,5 heure par semaine. Les instructeurs doivent u00eatre pru00eats u00e0 enseigner en personne et simultanu00e9ment u00e0 u00eatre pru00eats u00e0 enseigner u00e0 distance si les circonstances l'exigent. NYU utilise Zoom comme plateforme principale pour l'enseignement u00e0 distance.



Causal Inference



Pru00e9requis: Intro to Data Science



Le cours traite les principes fondamentaux du raisonnement sur la causalitu00e9 et des du00e9terminations causales u00e0 l'aide de donnu00e9es empiriques. Il commence avec le cadre contrefactuel de l'infu00e9rence causale, puis passe u00e0 l'exploration d'une variu00e9tu00e9 d'approches, en commenu00e7ant par les plans expu00e9rimentaux les plus basiques jusqu'aux mu00e9thodes d'observation plus complexes, pour faire des infu00e9rences sur les relations causales u00e0 partir des donnu00e9es. Il aborde les questions relatives u00e0 la gu00e9nu00e9ration et u00e0 l'interpru00e9tation des donnu00e9es et propose une mise en u0153uvre pratique des techniques d'infu00e9rence causale avec des ensembles de donnu00e9es ru00e9elles. Les ensembles de problu00e8mes contiendront un mu00e9lange de questions thu00e9oriques et appliquu00e9es afin de renforcer les concepts clu00e9s.Examine les concepts thu00e9oriques et leurs applications; utilise le langage de programmation R ou Python.



Sur NYU et NYU Paris



Fondu00e9e en 1831, lu2019universitu00e9 de New York (NYU) est la plus grande universitu00e9 privu00e9e aux Etats Unis. L'universitu00e9 dispose des campus du00e9livrant des diplu00f4mes u00e0 New York, Abu Dhabi et Shanghai et gu00e8re 11 centres universitaires et programmes de recherche dans plus de 25 pays. NYU Paris est l'un des 11 centres acadu00e9miques u00e0 l'u00e9tranger du ru00e9seau global NYU. Les u00e9tudiants de NYU Paris participent u00e0 un programme d'u00e9tudes immersives tout en obtenant des cru00e9dits pour leur diplu00f4me. Pour en savoir plus sur NYU Paris, veuillez visiter le site Web u00e0 l'adresse https://www.nyu.edu/paris.html.



Candidates must have a Ph.D. in Data Science or a related field, and two to three years relevant teaching experience.



The appointed person will have full responsibility for teaching and coordinating the course. The course is taught to a small group and is offered to undergraduate students, mostly in their second or third year of study. All students are NYU students enrolled in NYU degrees in New York, Abu Dhabi or Shanghai who come to study at NYU Paris for one semester. Classes take place at our Academic Centre in Paris.



Candidates must be eligible to work in France.



Qualifications d'instructeur



Les candidats doivent avoir un doctorat en Sciences des donnu00e9es ou une domaine proche, et deux u00e0 trois annu00e9es d'expu00e9rience pertinente en enseignement.



La personne nommu00e9e aura l'entiu00e8re responsabilitu00e9 d'enseigner et de coordonner le cours. Le cours est enseignu00e9 a un petit groupe et est offert aux u00e9tudiants de premier cycle, pour la plupart dans leur deuxiu00e8me ou troisiu00e8me annu00e9e d'u00e9tudes. Les u00e9tudiants sont en premier cycle et viennent des campus de NYU u00e0 New York, Shanghai et Abu Dhabi afin d'u00e9tudier u00e0 NYUParis pour un semestre. Le cours a lieu dans notre centre acadu00e9mique u00e0 Paris.



Les candidats doivent u00eatre u00e9ligibles pour travailler en France.



All applications must be made online through Interfolio ByCommittee at apply.interfolio.com/165229 . If you are new to using Interfolio Faculty Search you may find the following guide useful: Job Applicant's Guide to Interfolio Faculty Search (http://product-help.interfolio.com/m/39937/l/606208-job-applicant-s-guide-to-interfolio-faculty-search) .



Applications must include: (1) a cover letter, (2) C.V., and (3) course outline or synopsis; please be sure to note in particular any relevant teaching experience.



Current NYU Paris faculty are encouraged to apply.



NYU Paris is an equal opportunity employer committed to equity, diversity, and social inclusion. We strongly encourage applications from under-represented individuals in the profession, across color, creed, race, ethnic and national origin, physical ability, and gender and sexual identity. NYU Paris affirms the value of differing perspectives on the world as we strive to build the strongest possible university with the widest reach.



NYU Paris s'engage u00e0 respecter l'u00e9galitu00e9 des chances, la diversitu00e9 et l'inclusion sociale. Nous encourageons fortement les candidatures de personnes sous-repru00e9sentu00e9es dans la profession, sans distinction de couleur, de croyance, de race, d'origine ethnique et nationale, de capacitu00e9 physique, de genre et d'identitu00e9 sexuelle. NYU Paris affirme la valeur de diffu00e9rentes perspectives afin de s'u00e9fforcer de construire l'universitu00e9 la plus forte possible avec la portu00e9e la plus large.



Toutes les demandes de candidature doivent u00eatre faites en ligne par le biais du Interfolio ByCommittee u00e0 l'adresse: . Pour plus d'information sur l'utilisation d'Interfolio Faculty Search veuillez consulter Job Applicant's Guide to Interfolio Faculty Search (http://product-help.interfolio.com/m/39937/l/606208-job-applicant-s-guide-to-interfolio-faculty-search) . Tout dossier doit comprendre (1) une lettre de pru00e9sentation, (2) un CV, et (3) un plan de cours ou un synopsis; veillez u00e0 noter en particulier toute expu00e9rience d'enseignement pertinente.



Les professeurs actuels de NYU Paris sont encouragu00e9s u00e0 postuler.



Collapse Instructions



For people in the EU, click here for information on your privacy rights under GDPR: www.nyu.edu/it/gdpr



NYU is an equal opportunity employer committed to equity, diversity, and social inclusion.