总第496篇
2022年 第013篇
随着人工智能的不断发展,安全及合规问题变得越来越重要。当前机器学习比较大的一个局限性在于其学习模型都是基于关联框架,这种框架存在样本选择偏差的问题,且其稳定性也较差。而因果推理模型的出现,给机器学习打开了一个新的思路。
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。
目录
背景
因果推理的两个基本范式
结构因果模型
潜在结果框架
可微分因果发现以及在推荐系统中的应用
因果发现和问题定义
可微分因果发现在推荐系统中的应用
关于OOD泛化和稳定学习的一些思考
美团科研合作
阅读更多