4月26日下午，浙江大学副教授况琨应DMIR实验室蔡瑞初教授的邀请，通过线上形式为实验室师生作题为“基于工具变量的因果推断和因果可泛化学习”的学术讲座。
在本次报告中，况琨老师首先通过一系列
Decision making
的场景引入因果效果的介绍。
接着，况
琨老师介绍了他的最近工作，主要集中在如何平衡混淆变量，并讨论了在大数据时代这些工作面临的新挑战，包括如何自动分离混淆变量、如何消除未观察到的混淆变量、如何解决连续或者复杂的因果效应三大问题。
最后，况琨老师围绕这三大问题具体介绍了一些最新的工作，并从
因果推断中的工具变量视角出发，重点探讨了领域泛化问题中存在的偏差问题，提出了因果可泛化学习机制。
整个报告内容详尽，讲解清晰，实验室师生们就感兴趣的问题与况琨老师进行了热烈交流讨论，让师生们获益匪浅。
图2 | 实验室师生踊跃参与讨论
CaMal (Causal Modeling and Machine Learning) 是DMIR实验室发起的国际因果关系与机器学习研讨会以及系列学术活动的简称。CaMal系列活动秉持学术至上、形式自由的原则，邀请国内外相关领域的一线学者展开交流合作，致力于推动因果关系、机器学习及相关领域的研究与探讨。
文案 | 吴淑柳
初审 | 陈薇
终审 | 蔡瑞初
|
邮编：510006 地址：广州市番禺区广州大学城广东工业大学工学馆一号馆723室