审视今天的机器学习模型，单纯关联统计的局限性带来稳定性、可解释性、公平性等一系列问题。如何将因果统计融入机器学习框架，是一个开放并有挑战的基础性问题。稳定学习致力于寻找机器学习和因果统计的共同基础，本次「智源LIVE丨智源因果社区：因果启发的稳定学习年度研究进展」系列报告由智源社区主办，于2021年11月5日19:00-21:00在智源社区线上召开，6位学者将重点介绍稳定学习理论和方法的年度进展，及其在解决OOD泛化问题方面的机会和挑战。感谢合作媒体“集智俱乐部”和“PaperWeekly”的支持。
-
主题：因果启发的稳定学习年度研究进展
-
-
直播：https://event.baai.ac.cn/activities/181
题目：关于分布外泛化和稳定学习的一些思考
崔鹏
清华大学计算机系长聘副教授
智源青年科学家
简介：崔鹏，清华大学计算机系长聘副教授，博士生导师。研究兴趣聚焦于大数据驱动的因果推理和稳定预测、大规模网络表征学习等。在数据挖掘及人工智能领域顶级国际会议发表论文100余篇，先后5次获得顶级国际会议或期刊论文奖，并先后两次入选数据挖掘领域顶级国际会议KDD最佳论文专刊。担任IEEE TKDE、ACM TOMM、ACM TIST、IEEE TBD等国际顶级期刊编委。曾获得国家自然科学二等奖、教育部自然科学一等奖、电子学会自然科学一等奖、北京市科技进步一等奖、中国计算机学会青年科学家奖、国际计算机协会（ACM）杰出科学家。
题目：Causality Generalization with Instrumental Variable Regression
简介：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、ICCV、MM、AAAI、TKDE、TKDD、DMKD、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。
简介：张兴璇，清华大学博士生，研究方向：深度学习模型的跨分布泛化
简介：徐韧喆，清华大学博士生，研究方向：算法公平、稳定学习。
简介：刘家硕，清华大学博士生，研究方向：分布外泛化问题、分布鲁棒优化、不变学习方法等
简介：何玥，清华大学博士生，研究方向：因果发现，稳定机器学习，图计算等。
由智源社区、集智俱乐部联合举办的因果科学与Causal AI读书会第三季，将主要面向两类人群：如果你从事计算机相关方向研究，希望为不同领域引入新的计算方法，通过大数据、新算法得到新成果，可以通过读书会各个领域的核心因果问题介绍和论文推荐快速入手；如果你从事其他理工科或人文社科领域研究，也可以通过所属领域的因果研究综述介绍和研讨已有工作的示例代码，在自己的研究中快速开始尝试部署结合因果的算法。读书自2021年10月24日开始，每周日上午 10:00-12:00举办，持续时间预计 2-3 个月。
详情请见：
因果+X：解决多学科领域的因果问题 | 因果科学读书会第三季启动
点击“阅读原文”，报名活动
