2021年CCF因果科学暑期学校报名开始

2021年CCF因果科学暑期学校报名开始

2021年CCF因果科学暑期学校将于2021年8月14-17日举行。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。

时间：8月14日-17日

地点：重庆大学 虎溪校区

主办单位：中国计算机学会（CCF）

承办单位：CCF理论计算机科学专委会、重庆大学

联合承办单位：集智俱乐部、CCF重庆分部

赞助单位：华为技术有限公司

报名链接：https://conf.ccf.org.cn/web/html7/index.html?globalId=m8576738416594821121624526978661&type=1

报到时间：8月13日 9：00 - 17：00

报到地点：重庆大学 虎溪校区 大数据与软件学院

1. 日程安排

2021年CCF因果科学暑期学校

2021.8.14 ~ 2021.8.17

2.会议内容介绍

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。

3.讲师信息

杨矫云（合肥工业大学）

个人简介: 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）

个人简介: 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）

个人简介: 合肥工业大学教授。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一等奖（排名第一），国家教学成果二等奖（排名第二）。

蔡瑞初（广东工业大学）

个人简介: 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）

个人简介: 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、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）

个人简介: 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。

龚鹤扬（中国科技大学）

个人简介: 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。

李奉治（中国科学院）

个人简介: 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。

张天健（香港中文大学）

个人简介: 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。

1. 组织者信息

主办单位：中国计算机学会（CCF）

承办单位：CCF理论计算机科学专委会、重庆大学

联合承办单位：集智俱乐部、CCF重庆分部

赞助单位：华为科技技术有限公司

联系人

廖军 liaojun@cqu.edu.cn

王婷：wangting@swarma.org

2. 阅读原文

CCF网站报名链接：https://conf.ccf.org.cn/web/html7/index.html?globalId=m8576738416594821121624526978661&type=1

3. 报名须知

因果科学暑期学校线下参会

线下出席课程，参会地点：重庆大学，食宿交通自理。根据交费先后顺序，额满为止。线下沉浸式的参与讨论，与讲师当面交流互动，助教手把手教学。线下出席有权利享受回放权限。

扫码报名，加入因果暑期学校