因果推断与机器学习的结合到达新阶段

因果推断与机器学习的结合有两种主要的路径，其一是基于机器学习模型做因果推断任务，其二是在机器学习模型中融入因果推断性质。两者的结合已经到了更加深入的阶段，在大模型发展趋势下，基于大模型的因果推断已经有一定成果，结合因果推断的机器学习则深入到了因果框架的更深层次，应用方面也不限于推荐、风控等场景。

为推动因果推断与机器学习的实践发展，DataFunSummit2023：因果推断在线峰会设立因果推断与机器学习论坛，邀请来自九章云极、广东工业大学、伦敦大学学院、华为诺亚方舟实验室的专家，分享最新实践和研究成果。欢迎广大从业者参与交流。

扫码免费报名观看

出品人：张可力 华为 诺亚方舟实验室 主任研究员

个人介绍：张可力，华为诺亚方舟实验室主任研究员。2014年毕业于华中科技大学数据库所，长期从事时间序列分析，因果推理，分布外泛化等研究及应用探索工作，申请专利20余件，多项工作发表在KDD，IJCAI，AAAI，TNNLS等国际会议/期刊，作为核心贡献者参与了gCastle，streamDM等多个AI开源项目。

何刚 九章云极DataCanvas AI资深架构师

个人介绍：何刚，AI资深架构师，多年来主要从事AI前沿技术的研究、研发与开源，研究方向包括因果推断、LLM、自动机器学习、ABM等前沿领域方向，研究成果在金融、通讯等领域有众多的实践案例。

演讲题目：大模型视角下的因果推断

演讲提纲：

1. 大模型助力因果分析任务

2. 基于大模型代理的因果推断

3. LLM-powered agents 助力因果推断研究

听众收益：

1. 了解如何利用大模型对于因果分析任务的助力

2. 了解大模型代理如何完成因果推断任务

3. 了解通过大模型的多代理仿真，助力因果推断算法研究

蔡瑞初 广东工业大学 教授

个人介绍：蔡瑞初，教授、博士生导师、数据挖掘与信息检索实验室主任、国家优秀青年基金获得者。2010年于华南理工大学获得工学博士学位，并进入广东工业大学工作；2015年并被评为教授、博士生导师；曾先后到新加坡国立大学、UIUC高等数字科学研究中心访问学习。蔡教授专注于因果关系发现与因果性学习、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优秀青年基金、科技部”科技创新2030“重大项目、省杰出青年基金、省特支计划等项目；在因果关系发现、因果性学习方面开展了系列有益探索，在ICML、NIPS、AAAI、IJCAI等领域重要会议和TNNLS、TKDE等国际著名期刊发表论文100余篇；协助华为、网易、腾讯、滴滴、唯品会、南方电网、南方通讯建设等企业解决了因果故障定位、因果决策优化、因果个性推荐等应用难题，取得了良好的经济和社会价值；获得省科学技术一等奖（第三完成人）、国家发明专利奖优秀奖（第三完成人）等奖项；指导学生获得NeurIPS 2019解耦学习算法大赛第一名、亚太因果推理大会推理大赛第一名、“互联网+”全国决赛金奖等奖项；先后担任NeurIPS、ICML等会议的Area Chair，IJCAI、AAAI等会议的SPC等。

演讲题目：因果性学习初探

演讲提纲：探索和发现事物间的因果关系是数据科学的一个核心问题。在过去的近十年中，因果关系在基础理论、算法设计及实际应用方面获得了很大的发展，引起了相关领域学者的关注。本报告拟从因果性学习角度探讨了因果关系发现与机器学习方法相结合的一些思路，包括基于先验因果结构的因果性学习方法、基于因果发现的因果性学习方法等，并介绍其在领域自适应的等场景中的初步探索。

听众收益：

1. 因果可以提升机器学习的泛化性吗？

2. 因果和机器学习结合的可能路径有哪些？

3. 因果和机器学习结合还有哪些潜在问题？

杨梦月 伦敦大学学院 博士研究生

个人介绍：杨梦月，目前就读于伦敦大学学院计算机科学系的四年级博士生，由汪军教授指导。她曾在滴滴AI Labs、华为诺亚方舟实验室、微软和ByteDance Research担任实习生。研究兴趣包括因果表示学习、强化学习和推荐系统，在机器学习领域的顶级会议和期刊上发表7篇一作研究成果。

演讲题目：因果充分性和必要性和其在不变学习中的应用

演讲提纲：因果的充分性和必要性是干预，反事实，对因果定义的进一步探讨。其主要探寻在场景数据当中的‘因’对‘果’有多大的影响程度。本次演讲将从理解因果的充分性和必要性出发，介绍其数学定义和理论背景。并从分布外泛化的不变学习的应用角度，研究因果的充分性和必要性的合理性。

听众收益：

1. 了解因果充分必要性的概念

2. 学习因果充分必要性的数学定义和理论基础

3. 了解因果充分必要性在不变学习中的应用

郑嘉乐 华为诺亚方舟实验室 高级工程师

个人介绍：博士毕业于浙江大学，现为华为诺亚方舟实验室高级工程师。研究方向包括时间序列分析，因果发现及因果表征学习等，并致力于探索AI前沿技术研究在智能运维及自动驾驶等业务场景中的应用。相关研究成果发表在ICDM、CCKS、TSMC、TASE等国际会议/期刊。

演讲题目：智能运维领域的因果机器学习

演讲提纲：

1. 如何利用变量间的因果关系解决数据缺失问题。

2. 端到端的可解释故障预测范式。

3. gcastle及其在实际业务场景中的应用介绍

扫码报名免费观看直播

点击关注，更多信息更新中