“熬夜导致秃头”，因果关系推断说这话有问题！

最新推荐文章于 2024-01-22 17:22:21 发布

csdn业界要闻

最新推荐文章于 2024-01-22 17:22:21 发布

阅读量727

点赞数

原文链接：https://bss.csdn.net/m/zone/bdtc2019?utm_source=bdata

版权

扫码了解2019中国大数据技术大会（ https://t.csdnimg.cn/7yMh ）更多详情。

“因果”，顾名思义，即“原因与结果”。“推理”则指“根据某个事件推导其他事件，即经过推测和推断得出结论的过程”。换句话说，就是分析并判断两个事件是否分别为原因和结果的过程。

因果关系与我们日常中熟悉的相关关系并不是一回事，正确区分因果关系和相关关系的方法论被称为“因果推理”。

如今，大数据已成为人人都在谈论的话题，人们开始认识到大数据中隐藏的宝藏和价值，纷纷采用各种技术，分析大数据背后的秘密。然而，大数据时代给数据分析与智能化应用带来巨大的机会及挑战。目前的分析算法主要是从数据中发现相关性模式，然而基于相关性的算法距离人类智能还有很大差距。这是因为人类对数据的理解很大程度是基于数据背后的因果关系，这也是为什么人类能够快速理解复杂的世界，迁移已有的知识，以及做出有效决策。因此，如何基于大数据进行可靠与高效的因果推断是新兴的热点研究问题。

在当今时代，大数据如何与因果推断相辅相成，共同挖掘大量数据背后隐藏的“密码”？两者之间是怎样的关系？

在将于 12 月 5 日-7 日 在 北京长城饭店 举办的 2019 中国大数据技术大会（BDTC 2019） 上，来自海内外著名高校与企业的科学家将对大数据因果推断的算法理论、技术平台设计以及应用领域进行交流。

作为大数据领域极具影响力的行业盛会，BDTC 已成功举办十二届，见证了大数据技术生态在中国的建立、发展和成熟。本届大会将汇聚学术界和工业界的百余位专家，聚焦智能时代，大数据技术的发展曲线和大数据与社会各行业相结合的最新实践进展。

除了主论坛之外，由大会主席团组成的组委会还精心策划了 15 场专题技术和行业论坛，包括新一代数据库转型、人工智能赋能金融科技、AutoML大数据自动化机器学习技术与系统 等，其中， 大数据时代的因果推断 就是其中一个独特的论坛。

专家带来因果推断前沿研究进展

时间： 2012 年 12 月 6 日 9:00-12:00

论坛主席 ：宫明明，墨尔本大学数学和统计学院讲师、博士生导师

长期从事人工智能与数据科学方面的的科研工作。其研究方向主要集中于从大数据中发现因果关系以及基于因果模型进行高效的迁移学习和弱监督学习。担任美国自然科学基金委(NSF)信息与智能学科评审专家，国际人工智能会议AAAI高级程序委员，以及10多个CCF A类会议和期刊的程序委员与审稿人。在人工智能与大数据的顶级会议及期刊，例如NeurIPS、ICML、CVPR、 AAAI上发表论文30余篇。

此外，本论坛主席宫明明还邀请到数位来自大数据因果推断研究前沿的工业界和学术界专家，他们分别是：

陈志堂， 华为诺亚方舟实验室主任工程师，2010 年本科毕业于中山大学自动化系，2014 年在香港中文大学计算机科学与工程系获得博士学位。现为华为诺亚方舟实验室主任工程师。其研究兴趣包括核方法，深度学习，因果推理，强化学习，多智能体系统以及上述研究在通信网络的应用。

演讲议题：基于强化学习的因果结构发现

议题简介： 从观测数据中发现变量之间的因果关系是很多科学研究的基础问题。基于评分的传统算法通过局部启发式算法搜索有向无环图，然而这些算法效果并不令人满意。受到近年来神经组合优化算法的启发，我们提出了一种基于强化学习的方法搜索最佳评分的有向无环图。我们提出的自编码-解码模型，输入观测数据输出因果图的邻接矩阵，并得到对应的评分作为强化学习的奖赏信号，用于更新强化学习搜索策略。合成数据和真实数据实验，证实了我们提出的强化学习搜索策略的有效性。

张坤， 卡耐基梅隆大学哲学系和机器学习系副教授，同时担任德国马克思普朗克智能系统研究所高级研究员。他的主要研究方向是机器学习和人工智能，特别专注于因果发现和因果机器学习的研究。在机器学习顶级会议和期刊发表论文100余篇, 并担任如NeurIPS，ICML等多个顶级会议的领域主席。

演讲议题：因果关系和通用人工智能

演讲简介： 抽烟导致肺病吗？我们能通过分析两个变量的观测值找出它们之间的因果关系吗？在我们的日常生日和科学研究中，为了理解以及恰当的控制系统，人们常常试图回答这样的因果性问题，而过去几十年，在机器学习、统计和哲学领域的都有一系列相关进展。另一方面，我们经常遇到复杂环境下的机器学习问题。比如，非平稳环境下我们如何做最优预测？我们如何达到所谓的通用人工智能？有意思的是，最近几年我们发现因果性能帮助和理解一系列机器学习问题，包括迁移学习和半监督学习。这个报告着眼在如何从被动观测数据中找出因果关系，为何因果性可帮助解决机器学习问题，以及如何实现。最后，我会讨论因果描述与通用人工智能关系何在。

董振华， 华为诺亚方舟实验室高级研究员，研究方向为推荐系统、反事实学习、移动计算，近年来专注反事实学习在推荐系统中的研究和应用。董博士致力于应用先进的机器学习技术为用户创造价值，其团队研发的推荐系统技术已经落地到华为应用市场、信息流、服务直达、广告CTR预估等场景，在提升用户体验和平台收入的同时，产出了20篇相关高水平论文和19篇专利，并在KDD、SIGAPP等顶级会议担任程序委员会成员，曾担任KDD、TOIS、ICDM、SAC的审稿人。董博士本科就读于天津大学，博士毕业于南开大学计算机系，曾作为访问学者在明尼苏达大学GroupLens实验室访问交流一年。

演讲议题：基于反事实学习推荐系统研究（暂定）

演讲介绍： 推荐系统中，理想的用于学习模型的样本是：将所有的候选物品机会均等地展示给用户，从而消除数据偏置和前序模型偏置带来的影响。但真实的工业级产品由于海量物品和用户的限制，无法应用如上的方法。为了解决这个问题，我们研发了2种反事实学习技术和框架，引入未观测样本和具有非偏性质的数据进行学习，通过在真实数据上的实验，证明所述方法的有效性。最后探讨因果推理和反事实学习技术在推荐系统中的研究方向和个人体会。

更多嘉宾还在确认中，以最终到场嘉宾为准......

论坛中，几位专家将从不同角度切入探讨大数据与因果推断之间的融合，对于议题的设置你最感兴趣的是哪些部分？你还想了解哪些更多内容？欢迎在评论区留下宝贵意见，让我们的专家收到反馈后做更充分的准备！

5折优惠票限量发售

目前，BDTC 2019 已进入 “5折票”阶段，“ 5折票 ”和“ 学生票 ”限时发售中，数量有限，点击这里（https://t.csdnimg.cn/7yMh ）或扫描下图二维码报名购票，即可享受 5折优惠，学生票仅售599元。