因果结构学习基础与模型泛化方法｜SPP第70期

因果结构学习作为因果推断的核心任务，是估计因果效应与提高模型泛化能力的重要方法。本次SPP报告将介绍因果结构学习的背景及其在因果推断领域的核心地位；介绍因果结构学习的关键概念和核心假设以及团队在因果结构学习方向的最新工作；介绍基于因果结构的因果效应计算算法IDA，以及因果驱动的模型泛化方向的相关工作。欢迎参加本期SPP：12月6日（本周三） 19:30-21:00

本期直播你将收获哪些

1、相对于相关关系，因果关系的重要性与因果关系推断的难点；

2、因果关系推断的核心假设、主要概念、以及与可泛化机器学习的关系；

3、因果结构学习前沿与模型泛化算法；

4、基于图模型的因果效应计算的基本算法与模型泛化算法。

演讲嘉宾

俞奎

CCF专业会员，合肥工业大学教授

俞奎，合肥工业大学计算机与信息学院教授，博士生导师，安徽省人工智能学会副理事长，因果与认知智能专委会主任。2013年6月博士毕业合肥工业大学，2013- 2018分别在加拿大和澳大利亚全职从事科学研究工作。研究方向为因果推断与可信机器学习，在IEEE TPAMI、IEEE TKDE、ICML、KDD、AAAI等国际权威期刊和顶级会议发表论文60余篇。曾获2014中国计算机学会优秀博士学位论文奖和2014年度加拿大PIMS博士后奖。指导学生获得安徽省优秀硕士学位论文奖1项，安徽省计算机学会优秀硕士学位论文奖2项，安徽省互联网+创新创业比赛金奖1项。主持科技部科技创新2030-“新一代人工智能”重大项目课题1项、子课题1项、国家自然科学基金面上项目2项。

开课时间

2023年12月6日（本周三）19:30-21:00