diff --git a/book/meta_learner/data/cohort.parquet b/book/meta_learner/data/cohort.parquet
new file mode 100644
index 0000000..e65be3b
Binary files /dev/null and b/book/meta_learner/data/cohort.parquet differ
diff --git a/book/meta_learner/meta_learner_ko.ipynb b/book/meta_learner/meta_learner_ko.ipynb
new file mode 100644
index 0000000..db518b4
--- /dev/null
+++ b/book/meta_learner/meta_learner_ko.ipynb
@@ -0,0 +1,1486 @@
+{
+ "cells": [
+ {
+ "cell_type": "markdown",
+ "id": "d6112587",
+ "metadata": {},
+ "source": [
+ "# 누구에게 혜택을 줘야 효과가 가장 클까? — Meta-Learner\n",
+ "\n",
+ "Causal Studio 실습 노트북 ·\n",
+ "[Facure Ch.18](https://matheusfacure.github.io/python-causality-handbook/18-Heterogeneous-Treatment-Effects-and-Personalization.html) ·\n",
+ "[Ch.21](https://matheusfacure.github.io/python-causality-handbook/21-Meta-Learners.html) 기반\n",
+ "\n",
+ "작성자 권휘준 · GitHub"
+ ]
+ },
+ {
+ "cell_type": "markdown",
+ "id": "1336e3cf",
+ "metadata": {},
+ "source": [
+ "외식 예약 플랫폼 MealBook은 최근 **'타깃 혜택 프로모션'** 을 진행했습니다.\n",
+ "특정 조건을 만족하는 매장 약 190곳에 \"1만원+ 혜택\" 배지를 붙이고, 2주간 예약 변화를 추적했죠.\n",
+ "\n",
+ "결과 보고서가 나왔습니다. 담당자가 이렇게 말합니다.\n",
+ "\n",
+ "> \"효과 있었어. 그런데… **다음에도 같은 매장에 혜택을 줄까?\n",
+ "> 아니면 아직 혜택 못 받은 매장 중 더 효과적인 곳이 있지 않을까?**\"\n",
+ "\n",
+ "이 질문이 핵심입니다. \"평균적으로 효과 있다\"를 넘어,\n",
+ "**어떤 매장에 줄 때 효과가 가장 크냐** 를 알아야 다음 예산을 현명하게 쓸 수 있습니다.\n",
+ "\n",
+ "이 노트북에서는 그 질문에 답하기 위해 **Meta-Learner** 세 가지(S / T / X-Learner)를\n",
+ "단계별로 직접 구현합니다.\n",
+ "\n",
+ "### 이 노트북에서 배울 것\n",
+ "\n",
+ "1. 평균 효과(ATE)만으로는 왜 부족한지\n",
+ "2. **CATE**(조건부 평균 처치 효과) — 매장마다 다른 효과를 추정하는 아이디어\n",
+ "3. **S / T / X-Learner** — 세 방법의 원리, 코드, 차이\n",
+ "4. **Cumulative Gain Curve** — 모델이 정말 잘 추천하는지 평가\n",
+ "5. **정책 시뮬레이션** — \"Top-K 매장에만 줄 때 ROI\"\n",
+ "\n",
+ "### 필요한 사전 지식\n",
+ "\n",
+ "- 평균, 기댓값, 회귀분석 기초 (통계학 입문 수준)\n",
+ "- Python / pandas 기초 (데이터 다루기 수준)\n",
+ "\n",
+ "인과추론을 처음 접하는 분도 괜찮습니다.\n",
+ "수식이 나와도 앞뒤 설명을 먼저 읽으면 자연스럽게 따라올 수 있도록 구성했습니다.\n",
+ "\n",
+ "> **데이터 안내 — 시뮬레이션 데이터셋** \n",
+ "> 이 노트북은 공개 학습용으로 만든 **합성(가상) 데이터**를 사용합니다. 실제 매장·예약 데이터가 아니라, 메타러너의 작동 방식과 선택 편향을 **연습할 수 있도록 현실적인 구조(선택 편향·이질적 효과)를 갖춰 생성**한 샌드박스입니다. 실제 인과추론처럼 *진짜 처치효과는 모른다고 가정* 하며, 수치는 방법을 익히기 위한 예시일 뿐 특정 사업체의 성과가 아닙니다.\n",
+ "\n",
+ "> **구현 방식 안내** \n",
+ "> S / T / X-Learner를 `econml`·`causalml` 같은 전문 라이브러리 대신 **scikit-learn으로 직접 구현**합니다. 각 메타러너가 내부에서 *무엇을* 하는지 단계별로 이해하는 것이 이 노트북의 목적이기 때문입니다. 실무에서는 검증된 라이브러리 사용을 권장하며, 관련 링크는 마지막 **다음 단계** 절에 있습니다.\n",
+ "\n"
+ ]
+ },
+ {
+ "cell_type": "code",
+ "execution_count": 1,
+ "id": "ccfd4f42",
+ "metadata": {
+ "execution": {
+ "iopub.execute_input": "2026-05-17T07:20:42.338067Z",
+ "iopub.status.busy": "2026-05-17T07:20:42.337913Z",
+ "iopub.status.idle": "2026-05-17T07:20:43.960312Z",
+ "shell.execute_reply": "2026-05-17T07:20:43.959863Z"
+ }
+ },
+ "outputs": [
+ {
+ "name": "stdout",
+ "output_type": "stream",
+ "text": [
+ "✅ 한글 폰트: Apple SD Gothic Neo\n"
+ ]
+ }
+ ],
+ "source": [
+ "import pandas as pd\n",
+ "import numpy as np\n",
+ "import matplotlib\n",
+ "import matplotlib.pyplot as plt\n",
+ "import matplotlib.font_manager as fm\n",
+ "import seaborn as sns\n",
+ "from pathlib import Path\n",
+ "from sklearn.ensemble import GradientBoostingRegressor\n",
+ "from sklearn.linear_model import LogisticRegression\n",
+ "from sklearn.preprocessing import OneHotEncoder\n",
+ "from sklearn.compose import ColumnTransformer\n",
+ "from sklearn.neighbors import NearestNeighbors\n",
+ "from matplotlib import style\n",
+ "\n",
+ "# 한글 폰트 자동 감지\n",
+ "KOREAN_FONTS = ['Apple SD Gothic Neo', 'NanumGothic', 'Nanum Gothic', 'Malgun Gothic', 'AppleGothic']\n",
+ "available = {f.name for f in fm.fontManager.ttflist}\n",
+ "chosen = next((f for f in KOREAN_FONTS if f in available), None)\n",
+ "if chosen:\n",
+ " matplotlib.rcParams['font.family'] = chosen\n",
+ " matplotlib.rcParams['axes.unicode_minus'] = False\n",
+ " print(f\"✅ 한글 폰트: {chosen}\")\n",
+ "else:\n",
+ " print(\"⚠️ 한글 폰트를 찾을 수 없습니다\")\n",
+ "\n",
+ "style.use(\"fivethirtyeight\")\n",
+ "matplotlib.rcParams['figure.figsize'] = (10, 4)\n",
+ "np.random.seed(42)"
+ ]
+ },
+ {
+ "cell_type": "code",
+ "execution_count": 2,
+ "id": "3d864873",
+ "metadata": {
+ "execution": {
+ "iopub.execute_input": "2026-05-17T07:20:43.961597Z",
+ "iopub.status.busy": "2026-05-17T07:20:43.961455Z",
+ "iopub.status.idle": "2026-05-17T07:20:44.050740Z",
+ "shell.execute_reply": "2026-05-17T07:20:44.050342Z"
+ }
+ },
+ "outputs": [
+ {
+ "name": "stdout",
+ "output_type": "stream",
+ "text": [
+ "총 매장 수: 8,802개\n",
+ "혜택 매장 (T=1): 186개 ← 이번 프로모션 대상\n",
+ "일반 매장 (T=0): 8,616개 ← 비교 대상\n",
+ "\n"
+ ]
+ },
+ {
+ "data": {
+ "text/html": [
+ "\n",
+ "\n",
+ "
\n",
+ " \n",
+ " \n",
+ " | \n",
+ " unit_id | \n",
+ " treatment | \n",
+ " grade | \n",
+ " region | \n",
+ " category_main | \n",
+ " pre_metric | \n",
+ " post_metric | \n",
+ "
\n",
+ " \n",
+ " \n",
+ " \n",
+ " | 0 | \n",
+ " 203858 | \n",
+ " 0 | \n",
+ " A | \n",
+ " 대전광역시 | \n",
+ " 일식/스시/회 | \n",
+ " 118 | \n",
+ " 94 | \n",
+ "
\n",
+ " \n",
+ " | 1 | \n",
+ " 417347 | \n",
+ " 0 | \n",
+ " C | \n",
+ " 경기도 | \n",
+ " 이자카야/주점 | \n",
+ " 65 | \n",
+ " 44 | \n",
+ "
\n",
+ " \n",
+ " | 2 | \n",
+ " 722775 | \n",
+ " 0 | \n",
+ " A | \n",
+ " 제주특별자치도 | \n",
+ " 일식/스시/회 | \n",
+ " 329 | \n",
+ " 362 | \n",
+ "
\n",
+ " \n",
+ " | 3 | \n",
+ " 230458 | \n",
+ " 0 | \n",
+ " C | \n",
+ " 경기도 | \n",
+ " 이자카야/주점 | \n",
+ " 40 | \n",
+ " 57 | \n",
+ "
\n",
+ " \n",
+ " | 4 | \n",
+ " 333037 | \n",
+ " 0 | \n",
+ " C | \n",
+ " 경기도 | \n",
+ " 와인/다이닝바 | \n",
+ " 140 | \n",
+ " 150 | \n",
+ "
\n",
+ " \n",
+ "
\n",
+ "