因果推断是一项决策技术，基础研究致力于变量间因果关系的识别，以及因果效应的无偏量化估计，同时，其与深度学习、强化学习、Bandit等方向的交叉研究也十分活跃。近年来，因果推断在电商、制造、医疗、金融等领域逐渐被广泛应用。
4月22日，09:00-12:30，由阿里巴巴高级算法专家刘春辰老师出品的 DataFun Summit 2023：数据科学在线峰会-因果推断论坛，特别邀请了来自中国人民大学统计系、达摩院、NEC中国研究院、九章云极DataCanvas、以及香港大学的各位专家。算法上，为我们带来因果归因、因果网络发现、因果强化学习、因果驱动预训练大模型等方面的分享，业务上，为我们带来因果推断在医疗诊断、销量预测、库存管理、策略长周期效果估计方面的实战案例及经验。通过本次论坛，听众可以详细了解因果推断理论方面的最新进展及不同行业上的应用实践。
个人介绍：刘春辰，计算机博士。目前就职于阿里巴巴数据技术部，担任高级算法专家。主要从事知识表示、自然语言处理、贝叶斯推断、可解释AI、因果推断、鲁棒优化等领域的前沿技术创新研究及商业化落地。在学术成果方面，在ICML、AAAI、IJCAI等顶级AI会议、期刊发表多项研究成果，先后发表20余篇SCI、EI研究成果，在海内外申请专利40余项。个人介绍：李伟现为中国人民大学统计学院副教授，2009-2013年在南开大学数学科学学院读本科，2013-2020年在北京大学数学科学学院读博士及博士后研究，2020年入职中国人民大学统计学院。主要研究领域为因果推断、缺失数据、高维统计等。目前在主持国家自然科学青年基金项目、北京市自然科学基金面上项目、全国统计科学研究重点项目、国家重点研发计划青年科学家项目子课题等多项科研项目。演讲题目：Retrospective causal inference with multiple effect variables演讲提纲：As highlighted in Dawid (2000) and Pearl & Mackenzie (2018), deducing the causes of given effects is a more challenging problem than evaluating the effects of causes in causal inference. Lu et al. (2022) proposed an approach for deducing causes of a single effect variable based on posterior causal effects. In many applications, there are multiple effect variables, and thus they can be used simultaneously to more accurately deduce the causes. To retrospectively deduce causes from multiple effects, we propose multivariate posterior total, intervention and direct causal effects conditional on the observed evidence. We describe the assumptions of no-confounding and monotonicity, under which we prove identifiability of the multivariate posterior causal effects and provide their identification equations. The proposed approach can be applied for causal attributions, medical diagnosis, blame and responsibility in various studies with multiple effect or outcome variables. Two examples are used to illustrate the proposed approach.
个人介绍：何刚，AI架构师，目前就职与九章云极D-Lab部门，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、贝叶斯网络、自动机器学习等前沿领域方向，研究成果在金融、通讯等领域有众多的实践案例。个人介绍：毕业于上海交通大学，硕士学历，加入阿里达摩院四年，主要从事搜推算法、用户增长，因果推断等相关工作。演讲题目：Insightscope：因果推断在业务场景下的抽象和应用演讲提纲：主要介绍因果推断技术在多个业务场景下的问题抽象，方法定义，业务效果，并整体抽象成一个因果分析框架。3. 因果推断在不同业务场景下的应用，如搜推、营销、用户增长
个人介绍：王尔立，数学博士，现就职于NEC中国研究院，任研究员。侧重开发“NEC因果分析系统”，以协助客户进行数字化转型(DX)。2019年博士毕业于昆士兰大学数学物理系。曾供职于澳大利亚国立大学计算机系任助理研究员。已完成论文10 余篇，提交专利5项。与同事一起，获得NEC集团事业贡献二等奖。演讲提纲：因果分析是一种挖掘数据背后的原因和结果的技术，因其白盒模型特性被认为对商业应用有重要价值。可解释性的需求预测和补货策略是仓储管理成功的重要因素。本次分享的主要内容包括：1. 了解因果网络发现的常用方法和相应的数据场景；2. 了解业界因果分析平台，如何为决策者提供结构化模型、关键因素分析等服务；3. 了解基于因果模型在处理复杂仓储问题的策略控制的前沿探索个人介绍：香港大学信息管理学博士在读，主要研究方向为因果实验设计，因果推断，数字经济等。演讲提纲：在通过A/B实验帮助进行产品策略优化的过程中，受到实验时长限制，我们只能检测到策略的短期影响，然而关注策略的长期影响往往更符合产品的战略目标。本次演讲将介绍策略的长期影响较短期影响的不同之处，整理分享工业界一些探究策略长期影响的方案，以及分享者针对策略长期影响预测的研究成果。2. 工业界现有的预测产品策略长期影响的方法与实验设计
▌关于我们
DataFun：专注于大数据、人工智能技术应用的分享与交流。发起于2017年，在北京、上海、深圳、杭州等城市举办超过100+线下和100+线上沙龙、论坛及峰会，已邀请超过3000位专家和学者参与分享。其公众号 DataFunTalk 累计生产原创文章900+，百万+阅读，16万+精准粉丝。
