导语


在因果社区成员的精心准备下,因果科学读书会第二季将于3月21日与大家见面。或许很多朋友对因果科学非常感兴趣,但还没有深入了解。作为因果科学读书会第二季第一期的内容,我们将和大家一起建立对因果科学的全局认知,系统了解因果推断,从而打好基础,在接下来的读书会中起到事半功倍的效果。拉起桅杆,握紧罗盘,我们将在科学之海揭开迷雾,正式起航!




内容简介




因果科学中,目前使用范围最广的模型有两个,一个是著名统计学家Donald Rubin教授在1978年提出的潜在结果模型(Potential Outcome Model);另一个是图灵奖获得者Judea Pearl教授在1995年提出的结构因果模型(Structural Causal Model,SCM)


而这两个框架在不同的领域都有不同侧重的应用:计算机领域更多的是采用Pearl的框架;社会科学、计量经济学、流行病学等领域主要采用的则是Rubin的这套框架。很多朋友都对两套框架感到迷惑,不知道如何具体应用对应的方法来解决自己领域中面临的因果问题。但是,这两套框架的本质,其实是一致的。

作为因果科学读书会第二季第一期的内容,我们将和大家一起来建立对因果科学的全局认知,系统了解因果推断,从而打好基础,在接下来的读书会内容学习中起到事半功倍的效果。

本次分享邀请了英国剑桥大学机器学习组博士生陆超超来进行分享,他将从以下几个方面跟大家展开深度的讨论:

1. 讲述因果推断的两大框架:潜在结果模型和结构因果模型,讨论他们各自的优缺点以及他们之间的联系,详细介绍他们之间的转化规律。

2. 与大家一起深入探讨因果推断中最基本的概念、定理以及它们产生的缘由,了解每个概念背后的故事,从而建立起对因果更全面的感知。

3. 分享它们在不同学科中的具体的应用,包括社会科学、经济学、医学、机器学习等,借助这些应用,进一步启发大家用因果科学思维来思考和解决问题。





主讲介绍




陆超超,剑桥大学机器学习组博士生, 由Zoubin Ghahramani教授和José Miguel Hernández-Lobato教授联合培养,Carl Edward Rasmussen教授指导;同时他也是Cambridge-Tübingen 博士奖学金的获得者,由马克斯·普朗克智能系统研究所的Bernhard Schölkopf 教授联合培养。他的主要研究兴趣是机器学习,特别是涉及到如何结合因果推理、贝叶斯推理、强化学习和深度学习各自的优势,并将它们应用在现实领域中解决实际问题,如计算机视觉和医疗等领域。

主要参考文献

[1] Judea Pearl and Dana Mackenzie. The Book of Why. 2018.

[2] Judea Pearl, Madelyn Glymour, and Nicholas P. Jewell. Causal Inference in Statistics: A Primer. 2016

[3] Judea Pearl. Causality: Models, Reasoning, and Inference. 2009.

[4] Jonas Peters, Dominik Janzing, and Bernhard Schölkopf. Elements of Causal Inference: Foundations and Learning Algorithms. 2017

[5] Miguel A. Hernán and James M. Robins. Causal Inference: What if. 2020


参与方式:

时间:3月21日(周日)上午10:00-12:00

直播方式:

本次读书会主题将在集智俱乐部 B 站免费直播

付费参加读书会可加入腾讯会议,可提问交流,加入群聊,获取回看地址,成为因果社区种子用户,与400余位因果科学社区的一线科研工作者沟通交流,共同推动因果科学社区的发展(点击文末阅读原文即可报名)


扫码预约B站免费直播:

扫描二维码,点击“我要听”预约,内附 B 站直播地址,可获得活动提醒,和回放上线通知。

 

因果科学第二季读书会报名中


因果推断与机器学习领域的结合已经吸引了越来越多来自学界业界的关注,为深入探讨、普及推广因果科学议题,智源社区携手集智俱乐部将举办第二季「因果科学与CausalAI读书会」。本期读书会着力于实操性、基础性,将带领大家精读因果科学方向两本非常受广泛认可的入门教材。

1. Pearl, Judea, Madelyn Glymour, and Nicholas P. Jewell. Causal inference in statistics: A primer. John Wiley & Sons, 2016.(本书中译版《统计因果推理入门(翻译版)》已由高等教育出版社出版)

2. Peters, Jonas, Dominik Janzing, and Bernhard Schölkopf. Elements of causal inference: foundations and learning algorithms. The MIT Press, 2017.

读书会每周将进行直播讨论,进行问题交流、重点概念分享、阅读概览和编程实践内容分析。非常适合有机器学习背景,希望深入学习因果科学基础知识和重要模型方法,寻求解决相关研究问题的朋友参加。

目前因果科学读书会系列,已经有接近400多位的海内外高校科研院所的一线科研工作者以及互联网一线从业人员参与,吸引了国内和国际上大部分的因果科学领域的专业科研人员,如果你也对这个主题感兴趣,想要深度地参与,就快加入我们吧!

报名:(长期有效)



第一步:扫码填写报名信息。

第二步:信息填写之后,进入付款流程,提交保证金299元。(符合退费条件后可退费。)

第三步:添加负责人微信,拉入对应的读书会讨论群。

我们也会对每次分享的内容进行录制,剪辑后发布在集智学园的官网上,供读书会成员回看。

相关资料推荐:



点击“阅读原文”,即可报名