导语


由中国计算机学会(CCF)、重庆大学大数据与软件学院、集智俱乐部联合举办的因果科学暑期学校就在下周!集智俱乐部是一个非常有活力的科学社区,在这里我们孵化出各种有意思的子话题社区,现阶段有着热烈讨论的因果科学社区,集智俱乐部和智源社区通过组织与因果相关的在线分享讨论,聚集了全球最前沿的一批青年科学工作者参与讨论,获得了非常好的反馈,形成了因果社区的种子用户群体,为后续因果社区的持续发展助力了活力和社区的灵魂。而本次与重庆大学大数据与软件学院共同举办的为期四天的暑期课程是因果科学社区的衍生活动~鉴于目前新型冠状肺炎疫情的不断扩散,为了保障广大学员的身体健康和生命安全,原线下课程将改为由线上召开,日程不变。 期待热爱因果科学的你的加入!




参与方式变更




感谢大家对本次因果科学暑期班的支持,鉴于目前新型冠状肺炎疫情的不断扩散,为了保障广大学员的身体健康和生命安全,避免造成的不必要损失,根据教育部、重庆市、重庆大学最新防控规定,经暑期班组委会研究决定,原定于2021年8月14-17日在重庆大学召开的2021年CCF因果科学暑期课程,现将改为由线上召开,日程不变。我们对内容做更多的优化,确保大家线上可以有更好更高效的学习体验。感谢您的理解。


【集智俱乐部×庆大学】因果科学暑期学校线上会议报名
价格:¥499
内容:线上腾讯会议室参与直播,参与互动提问和答疑,课程结束也可以享受在集智学园平台回放的权限。
扫码注册:


报名截止日期:2021年08月13日

报名过程中如有任何问题,请联系邮箱 : wangting@swarma.org





背景介绍




二十年前,图灵奖获得者Judea Pearl写《因果论》(2000年)一书时,说了一句当时相当大胆,但现在看起来很低调的话:“因果关系已经经历了一个重大的转变,从一个神秘模糊的概念转变为一个具有明确语义和逻辑基础的数学定义。简单地说,因果关系已经数学化了。”


目前,我国在研究生和本科生教学中也开始引入相关的教材,其中最具有代表性的当属Pearl等发展起来的因果分析理论和技术。由于因果关系的内容在很多方面涉及到科学研究的基本规范和人类对于自然现象的认知模式,因此对于如何描述因果,因果关系,以及如何通过计算手段获取可能的因果关系,需要明确其中所蕴含的思维取向和假设约定。


本课程主要根据Pearl的两本著作《Causal inference in statistics, a primer》和《Causality: model, reasoning, and inference》,进行了较为深入的讨论、解释和讲解,澄清其中容易混淆的地方。这些问题如不能梳理清楚,可能会导致对于因果分析和计算方法不恰当的应用,甚至误导对于该理论的正确理解。


本课程由集智俱乐部和重庆大学大数据与软件学院联合发起,将由Pearl两本著作的翻译团队作为主讲老师进行全面讲解,同时邀请国内多位因果学习的专家学者进行特邀专题报告。面向本科生、研究生、博士生,以及因果科学、数据科学相关的教学研究人员、企业人员。


课程将采用AB课程制,注重理论与实操相融合,基础理论知识与最新研究进展相交叉,全面系统讲授、研讨因果科学相关主题,对当前因果科学与机器学习结合的前沿技术与行业落地实践进行系统性介绍,从而更好地解决经济学、生物医学、互联网、数据分析、人工智能等实际应用问题,为国内教育界、科研界以及企业界输送更多年轻优秀的从事多学科交叉研究的人才。





课程安排








参与方式





线上参与

时间

8月14日-8月18日

地点

腾讯会议

参与方式

线上腾讯会议室参与直播,参与互动提问和答疑

住宿

费用

¥499线上直播会议与回放权限

注册链接

https://campus.swarma.org/form/activity/36





具体内容介绍




8月14日

A理论课程I:因果模型基础

学习内容:因果概念、概率与统计基础、结构因果模型

学习目标:了解因果的重要性、掌握因果发现所需的概率与统计基础,熟悉结构因果模型及图形化表示


B实践课程I:结构因果模型

内容简介:本次分享会介绍因果发现的基础背景知识,并带领大家使用Tetrad工具包,熟悉该软件的基本操作。通过实操,使参与者对结构因果模型,因果发现等概念有基础的认知。


8月15日

A理论课程II:图模型及其应用

学习内容:链结构、分叉结构和对撞结构的基本性质、d-分离准则与应用,干预的图形化操作、后门准则

学习目标:掌握三种基本图结构的统计性质,熟悉d-分离概念,掌握干预这一因果分析的基本操作、掌握计算因果效应的后门准则


前沿报告论坛专题报告:因果推断与机器学习

内容简介:机器学习的核心任务是从数据中自动地发现相关性信息以便预测未来。目前,大部分机器学习算法都是建立在统计相关性的基础上,这样极大地限制了机器学习的适用范围。因此,我们更进一步考虑统计相关性背后更本质的因果结构。因为因果模型对现实世界中数据的变化更加鲁棒,所以拥有了因果推断能力的机器学习算法可以更好地预测未来。我们将讨论因果推断在机器学习各个方面的前沿进展,包括半监督学习、无监督学习、强化学习、迁移学习、元学习、公平学习等,以及它们在各个实际场景中的具体应用。


8月16日

A理论课程III:干预的效果

学习内容:前门准则、中介、因果推断的线性计算方法

学习目标:掌握计算因果效应的前门准则、因果推断的线性结构系数计算、结构系数的因果解释


B实践课程III:基于Python的因果效应识别

内容简介:本次分享我们会从最基础的结构因果模型的表示开始,逐步构建基础的图运算函数。之后我们会充分利用前三日各位老师讲解的因果基础知识,实现d-分离判断等工具,并最终实现后门准则和前门准则的判断。同时,我们还会利用开源包ananke,来尝试进行do-演算的相关操作。


8月17日

A理论课程IV:反事实及其应用

学习内容:反事实的定义、反事实计算的方法、反事实的结构性解释、反事实的基本定理、非确定性的反事实、反事实的概率化定义、反事实的图模型表示、反事实的实际应用

学习目标:明确反事实的可计算性定义,掌握反事实的计算方法,以及可计算的反事实应用范围。


B实践课程IV:和机器学习结合的 Uplift modeling 实践

内容简介:首先简单介绍什么是 THE(heterogeneous treatment effect) 的基础知识和相关软件包。其次以 booking.com 的促销活动为商业案例介绍如何进行 uplift modeling。最后带着大家一起欣赏,在此方向近年来一个完美融合统计推断,机器学习和因果推理的理论研究成果——Generalized Random Forest.


总结梳理结构因果模型并剖析其与潜在结果模型的关系

内容简介:与大家一起深入总结梳理结构因果模型中最基本的概念、定理以及它们产生的缘由,了解它们背后的故事,进一步巩固加深大家对因果科学的全面感知。在此基础上,我们将引入因果模型中另一大框架——潜在结果模型。我们将深度剖析结构因果模型和潜在结果模型各自的优缺点以及他们之间的联系,并详细介绍他们之间的转化规律,以便大家能更好地选择合适的框架来解决自己领域中面临的因果问题





讲师简介




杨矫云

合肥工业大学副教授。分别于2009年和2014年获得中国科学技术大学学士学位和博士学位。研究兴趣包括机器学习、健康计算、数据挖掘等。目前兼任中国计算机学会理论计算机科学专业委员会委员,与哈佛大学、波士顿大学、北京协和医院等建立了密切合作关系。研究方向为算法设计与分析、机器学习、健康数据分析等;《统计因果推理入门》、《因果论》译者


刘礼

重庆大学大数据与软件学院教授。一直致力于从事传感大数据分析技术及其应用研究,主持国家基金委面上项目、青年基金,国家重大研发计划项目子课题,重庆市科委重大专项,教育部科研启动基金等10余项,主研完成欧盟框架7重大项目,国家重点基础研究项目(973计划)重大重点等项目近20项;已发表论文100余篇,其中SCI论文近40篇、SSCI论文4篇,其中JCR一区论文20余篇,ESI高被引论文2篇,CCF ABC列表论文40余篇,包括AAAI、CSCW、PR、INS等人工智能顶级期刊会议,Google引用2000+次;申请发明专利10余项;担任Sensors、Web Intelligence等国际SCI期刊的客座主编,在UbiComp、CSCW等CCF ABC类国际会议或研讨会任程序委员会主席、委员等,任全国可穿戴计算会议秘书长,以及IEEE Transactions on Cybernetics,IEEE Intelligent Systems,IEEE Transactions on Learning Technologies等人工智能顶级期刊的评审;重庆市高层次人才;《因果论》译者。


李廉

合肥工业大学教授。教育部高等学校大学计算机课程教学指导委员会主任,CCF理论计算机科学专委会主任委员。曾担任兰州大学信息科学与工程学院院长,兰州大学副校长,甘肃省教育厅副厅长,合肥工业大学党委书记。研究领域:算法与计算复杂度,机器学习与因果推理,基于数据的认知模式。曾获安徽省教学成果特等奖(排名第二),国家教学成果二等奖(排名第二)。


蔡瑞初

广东工业大学教授、博士生导师、省杰出青年基金获得者、DMIR实验室主任、广东省移动互联网电子商务大数据工程技术研究中心副主任。蔡教授专注于因果推断与因果性学习、深度学习等领域的理论与应用研究。已发表论文50余篇,包括ICML、NeurIPS、AAAI、IJCAI、SIGMOD、VLDB、SDM等领域重要会议和TNNLS、TKDE、NN、PR等国际著名期刊。上述成果在华为、网易、腾讯等企业应用实施,取得了良好的经济和社会价值。蔡教授专注于因果推断与因果性学习、深度学习等领域的理论与应用研究。在上述领域先后主持国家自然科学基金、省杰出青年基金、省特支计划科技创新青年拔尖人才、珠江科技新星、市协同创新重大专项等项目。已发表论文50余篇,包括ICML、NeurIPS、AAAI、IJCAI、SIGMOD 、VLDB、SDM等领域重要会议和TNNLS、TKDE、NN、PR等国际著名期刊。上述成果在华为、网易、腾讯、唯品会、南方电网、南方通信建设等企业应用实施,取得了良好的经济和社会价值。先后获得省科学技术二等奖(第四完成人)、省科学技术一等奖(第三完成人)、国家发明专利奖优秀奖(第三完成人)。


况琨

浙江大学计算机学院副教授,人工智能系副主任。2019年获得清华大学计算机科学与技术专业博士学位,2017-2018年访问美国斯坦福大学。获2020年度中国人工智能学会优秀博士学位论文提名奖。主要研究方向包括因果推理、人工智能、因果指导的可信机器学习,关注机器学习的可解释性、稳定性、公平性和可决策性。在数据挖掘和机器学习领域已发表近40余篇顶级会议和期刊文章,包括KDD、ICML、MM、AAAI、TKDE、TKDD、Engineering等。曾担任 ICML, NIPS, KDD, CVPR, ICCV, AAAI, IJCAI, CIKM, ICDM等国际学术会议程序委员会委员。


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。


鹤扬

中国科学技术大学统计学在读博士,研究方向是基于信息理论视角的因果推理。


张天健

香港中文大学(深圳)博士研究生。研究兴趣:可解释机器学习,因果推断及其在工业界中的应用。


李奉治

中国科学院计算技术研究所一年级直博生,导师为徐志伟研究员。从2019年末开始接触因果科学,当前主要研究方向包括因果推断及其应用、并行与分布式计算。




主办方介绍




集智俱乐部

集智俱乐部,英文名:Swarma Club,成立于 2003 年,是一个从事学术研究、享受科学乐趣的探索者的团体,也是国内最早的研究人工智能、复杂系统的科学社区。它倡导以平等开放的态度、科学实证的精神,进行跨学科的研究与交流,力图搭建一个中国的 “ 没有围墙的研究所 ”。


集智俱乐部是一个非常有活力的科学社区,孵化出一些有意思的子话题社区,比如现阶段很火的因果科学社区、复杂经济学、网络科学、复杂系统自动建模、社会计算、科学学等等,促进了学科的发展和梳理,为学科培养了专业人才。


重庆大学大数据与软件学院

重庆大学大数据与软件学院是国家发改委和教育部于2001年12月批准成立的首批35所国家示范性软件学院之一,主要培养高层次、复合型、实用型、国际化的创新型软件人才。为满足国家大数据、人工智能发展战略对高层次人才培养的需求,2018年3月更名为大数据与软件学院。


因果科学社区

因果科学社区由智源社区、集智俱乐部共同推动,面向因果科学领域的垂直型学术讨论社区,目的是促进因果科学专业人士和兴趣爱好者们的交流和合作,推进因果科学学术、产业生态的建设和落地,孕育新一代因果科学领域的学术专家和产业创新者。


华为科技技术有限公司

华为是全球领先的信息与通信技术(ICT)解决方案供应商,专注于ICT领域,坚持稳健经营、持续创新、开放合作,在电信运营商、企业、终端和云计算等领域构筑了端到端的解决方案优势,为运营商客户、企业客户和消费者提供有竞争力的ICT解决方案、产品和服务,并致力于实现未来信息社会、构建更美好的全联接世界。



推荐阅读



点击“阅读原文”,即可参与线上课程