O objetivo foi explorar e aplicar técnicas de inferência causal e machine learning para entender melhor as relações entre variáveis em diferentes contextos. O método utilizado envolveu a construção de um grafo causal, o uso da ferramenta DoWhy para realização de inferência causal junto de modelos de machine learning e validação dos resultados. Inferência causal é a metodologia empregada para determinar relações de causa e efeito entre variáveis, diferentemente de simples associações estatísticas. Machine learning é uma área da inteligência artificial focada em treinar algoritmos para fazer previsões ou identificar padrões a partir de dados. DoWhy é uma ferramenta de código aberto que facilita a implementação de inferência causal, fornecendo um framework para definir, estimar e testar hipóteses causais. Os casos estudados foram Felicidade e Carros, onde analisamos os determinantes da felicidade e os fatores que influenciam o desempenho e a eficiência de veículos automotores. As conclusões foram que a aplicação combinada de inferência causal e machine learning, apoiada pelo DoWhy, oferece uma abordagem robusta para descobrir e validar relações causais em diversas áreas de estudo, fornecendo insights valiosos para decisões baseadas em dados.