作者简介
郭若城，伦敦字节跳动 人工智能 实验室机器 学习 研究员。研究重点为因果推断和可置信的机器学习在推荐 系统 、搜索排序和图 数据 中的应用。曾获 美国 亚利桑那州立大学杰出 计算机 科学 博士生奖项。程璐，美国伊利诺伊芝加哥分校 计算 机系助理教授，于2022年获美国亚利桑那州立大学（ASU）计算机科学专业博士学位，师从刘欢教授。研究方向包括 社会 负责任人工 智能 ，具体为人工智能的公平 性 、可解释性、隐私保护、可泛化性、对社会的公益性、因果机器学习，以及社 会计 算。
刘昊，美国加州理 工学 院在读计算机专业博士生，本科毕业于南京大学匡亚明学院，研究方向为可置信的机器学习、因果机器学习。
刘欢，美国亚利桑那州立大学计算机科学与工程学院教授，ACM Fellow、AAAI Fellow、AAAS Fellow、IEEE Fellow。研究重点是 开发 人工智能、数据挖掘、机器学习和社会计算的计算 方法 ，并 设计 高效的 算法 有效地解决了从基础研究、特征选择、社会媒体挖掘到现实 世界 应用的问题。
内容简介
《因果推断与机器学习》是一本 理论 扎实，同时联系实际应用的图书。全书系统地介绍了因果推断的基本 知识 、基于机器学习的因果推断方法和基于因果推断的机器学习方法及其在一些重要领域的应用。
全书共分6章。第1章从潜结果框架和结构因果模型出发，介绍因果推断的基本概念和方法。第2章介绍近年 统计 和机器学习文献中出现的一些重要的基于机器学习的因果推断方法。第3章介绍能够提高机器学习模型的泛化能力的因果表征学习。第4章介绍因果机器学习如何提高机器学习模型的可解释性与公平性。第5章介绍因果机器学习在推荐系统和学习排序中的应用。第6章是对全书的一个总结和对 未来 的展望。
《因果推断与机器学习》对结合因果推断和机器学习的理论与实践进行了介绍。通过 阅读 《因果推断与机器学习》，读者不仅可以掌握因果机器学习的基础理论，还可对《因果推断与机器学习》中提到的 论文 代码进行钻研，从而在实践中加深对因果机器学习的理解。
郭若城，伦敦字节跳动人工智能实验室机器学习研究员。研究重点为因果推断和可置信的机器学习在推荐系统、搜索排序和图数据中的应用。曾获美国亚利桑那州立大学杰出计算机科学博士生奖项。
程璐，美国伊利诺伊芝加哥分校计算机系助理教授，于2022年获美国亚利桑那州立大学（ASU）计算机科学专业博士学位，师从刘欢教授。研究方向包括社会负责任人工智能，具体为人工智能的公平性、可解释性、隐私保护、可泛化性、对社会的公益性、因果机器学习，以及社会计算。
刘昊，美国加州理工学院在读计算机专业博士生，本科毕业于南京大学匡亚明学院，研究方向为可置信的机器学习、因果机器学习。
刘欢，美国亚利桑那州立大学计算机科学与工程学院教授，ACM Fellow、AAAI Fellow、AAAS Fellow、IEEE Fellow。研究重点是开发人工智能、数据挖掘、机器学习和社会计算的计算方...
评论列表
发表评论