587
个编辑
更改
跳到导航
跳到搜索
第10行：
第10行： − + 第16行：
第16行： + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
→因果科学社区介绍
The Causal AI Community is an academic community focuses on the topics of Causal Inference and Artificial Intelligence, which is supported by the Beijing Academy of Artificial Intelligence and the Swarma Club. The aim of the community is to promote the communication and cooperation among researchers who are interested in Causal Inference and AI.
The Causal AI Community is an academic community focuses on the topics of Causal Inference and Artificial Intelligence, which is supported by the Beijing Academy of Artificial Intelligence and the Swarma Club. The aim of the community is to promote the communication and cooperation among researchers who are interested in Causal Inference and AI.
==='''因果科学社区愿景'''===
===因果科学社区愿景===
回答因果问题是各个领域迫切的需求，当前许多不同领域（例如 AI 和统计学）都在使用因果推理，但是他们所使用的语言和模型各不相同，导致这些领域科学家之间沟通交流困难。因此我们希望构建一个社区，通过组织大量学术活动，使得科研人员能够掌握统计学的核心思想，熟练使用当前 AI 各种技术（例如 Pytorch/Pyro 搭建深度概率模型），促进各个领域的研究者交流和思维碰撞，从而让各个领域的因果推理有着共同的范式，甚至是共同的工程实践标准，推动刚刚成型的因果科学快速向前发展。具备因果推理能力的人类紧密协作创造了强大的文明，我们希望在未来社会中，因果推理融入到每个学科，尤其是紧密结合和提升 AI ，期待无数具备攀登因果之梯能力的 Agents (Causal AI) 和人类一起协作，共建下一代的人类文明！
回答因果问题是各个领域迫切的需求，当前许多不同领域（例如 AI 和统计学）都在使用因果推理，但是他们所使用的语言和模型各不相同，导致这些领域科学家之间沟通交流困难。因此我们希望构建一个社区，通过组织大量学术活动，使得科研人员能够掌握统计学的核心思想，熟练使用当前 AI 各种技术（例如 Pytorch/Pyro 搭建深度概率模型），促进各个领域的研究者交流和思维碰撞，从而让各个领域的因果推理有着共同的范式，甚至是共同的工程实践标准，推动刚刚成型的因果科学快速向前发展。具备因果推理能力的人类紧密协作创造了强大的文明，我们希望在未来社会中，因果推理融入到每个学科，尤其是紧密结合和提升 AI ，期待无数具备攀登因果之梯能力的 Agents (Causal AI) 和人类一起协作，共建下一代的人类文明！
=== 因果社区科学家 ===
=== 因果社区科学家 ===
因果社区科学家是指社区内有突出科研贡献和科研成果学者，是因果科学社区的最高荣誉。我们梳理了这些年参与过因果社区建设的重要学者，符合以下标准之一则可以认定为因果社区科学家：
1.以学者的身份参与过集智凯风研读营
2.以发起人的身份发起因果科学系列读书会
3.作为特邀讲者参与读书会的报告分享
'''''以下为部分科学家代表，非社区内全部科学家名单'''''
===== Donald B. Rubin =====
* 现任清华大学和天普大学讲席教授，美国科学院院士， 美国艺术与科学院院士， 美国科学促进会会士。Rubin教授是当今世界影响力最深远的统计学家之一，他在现代统计领域做出了许多基础贡献，特别是在缺失数据和因果推断方面。他也是世界上被引用最多的科学作者之一，根据谷歌学者的数据，他被引用超过25万次。此外，截至2019年底，他有10篇单独发表的论文，每一篇都被引用超过1000次。 Rubin教授的研究领域集中在：实验和观察研究中的因果推理；无响应抽样调查和缺失数据问题中的推理；贝叶斯技术的应用等。 他获得过统计学领域几乎所有著名奖项，是当今世界最具影响力的统计学家。他对科学的贡献已超出统计学范畴，其统计思想对生物医学、经济学、心理学、教育学、社会学及计算机科学等众多领域均产生了重要影响
* 主要贡献：作为特邀讲者参与读书会的报告分享
===== Per Johansson =====
* 现任瑞典乌普萨拉大学统计系教授。1993年毕业于瑞典于默奥大学并获博士学位。Johansson教授致力于微观数据的分析（方法与应用），研究领域包括劳动经济学（收入保障体系对劳动力市场行为、项目评估、教育经济学的影响），以及交通经济学等
* 主要贡献：作为特邀讲者参与读书会的报告分享
===== 崔鹏 =====
清华大学计算机系长聘副教授，2010年于清华大学获得博士学位。研究兴趣包括大数据环境下的因果推理与稳定预测、网络表征学习、社会动力学建模，及其在金融科技、智慧医疗及社交网络等场景中的应用。已在数据挖掘及多媒体领域顶级国际期刊和会议上发表论文百余篇，并先后获得7项国际会议及期刊最佳论文奖，包括中国入选数据挖掘领域顶级国际会议KDD最佳论文专刊的首篇论文。目前担任IEEE TKDE、IEEE TBD、ACM TOMM、ACM TIST等四个国际顶级期刊的编委。获得中国计算机学会青年科学家奖，国际计算机协会（ACM）中国新星奖，并入选中国科协首届青年人才托举计划。获得国家自然科学二等奖、教育部自然科学一等奖、北京市科技进步一等奖、中国电子学会自然科学一等奖。入选中组部万人计划青年拔尖人才，并当选为中国科协全国委员会委员
===== 周晓华 =====
北京大学讲席教授，北京大学北京国际数学研究中心生物统计和生物信息研究室主任，北京大学公共卫生学院生物统计系主任，在国际顶尖的统计和生物统计期刊JRSSB、JASA、Biometrika、Ann. Statist、Biometrics、Stat. Med.等发表230多篇因果推断、统计建模相关方法及在医学研究上应用的SCI论文，130余篇是第一或通信作者，JCR一区论文120篇，总引用量12000余次。提出的新型因果推断和灵敏度分析理论及方法被应用于工业及医疗领域，并获得了国际贝叶斯学会颁发的重要奖项——Mitchell奖；在国际上首次提出群体大数据新的因果推断理论。周晓华及其团队在研究因果作用的可识别性、估计量的稳健性、与死亡相关生命质量的因果推断、随机激励设计的因果推断、个性化治疗等多个研究课题上取得了突出成果。 周晓华与潜在结果因果推断模型创始人美国科学院院士Donald Rubin教授有超过30年的合作。创办并组织召开三届太平洋因果推断会议（Pacific Causal Inference Conference），为因果推断最新数学成果的国际性交流和发展做出重要贡献
===== 耿直 =====
北京大学数学科学学院教授。1982年获上海交通大学学士学位，1989年获日本九州大学博士学位。1989年至今在北京大学概率统计系任教。主要研究方向为因果推断、数理统计、生物医学统计、因果网络、贝叶斯网络、图模型等。1998年当选国际统计学会推选会员，1998年获国家杰出青年基金资助项目。曾任中国数学会概率统计学会理事长、IMS-China主席、国务院学位委员会统计学学科评议组成员等职务。荣获国家教委科技进步奖二等奖、全国统计科学研究优秀成果奖一等奖等多项奖励
===== 董振华 =====
董振华，南开大学博士，明尼苏达大学GroupLens Lab访问学者 •研究方向：推荐系统，信息检索，因果推理，反事实学习 •现任华为诺亚方舟实验室技术专家，负责推荐系统、机器学习前沿技术的研究与落地，帮助华为多个产品构建推荐系统，包括：华为浏览器，华为应用市场，广告系统，负一屏信息了与服务直达，金融产品推荐系统等。 专利20+篇，在TKDE，SIGIR，RecSys，WWW，AAAI，CIKM等期刊、会议发表学术论文30+篇，担任SIGKDD（2017～now）、SIGAPP（2018～now）程序委员及审稿人。 《奇点临近》译者
===== 蔡瑞初 =====
蔡瑞初，教授、博士生导师、数据挖掘与信息检索实验室（DMIR）主任、国家优秀青年基金获得者。 2010年于华南理工大学获得工学博士学位，并进入广东工业大学工作；2015年并被评为教授、博士生导师；曾先后到新加坡国立大学、UIUC高等数字科学研究中心访问学习。 蔡教授专注于因果关系发现与因果性学习、深度学习等领域的理论与应用研究。在上述领域先后主持国家优秀青年基金、科技部”科技创新2030“重大项目、省杰出青年基金、省特支计划等项目；提出了因果关系发现与因果性学习系列理论与方法，在ICML、NIPS、AAAI、IJCAI、SIGMOD 、VLDB、SDM等领域重要会议和TNNLS、TKDE、NN、PR等国际著名期刊发表论文100余篇；解决了因果故障定位、因果决策优化、因果个性推荐等应用难题，相关成果在华为、网易、腾讯、滴滴、唯品会、南方电网、南方通信建设等企业实施，取得了良好的经济和社会价值；获得省科学技术二等奖（第四完成人）、省科学技术一等奖（第三完成人）、国家发明专利奖优秀奖（第三完成人）等奖项；指导学生获得NeurIPS 2019解耦学习算法大赛第一名、亚太因果推理大会推理大赛第一名、“互联网+”全国决赛银奖等奖项。
===== 冯福利 =====
新加坡国立大学研究员。研究领域：信息检索、数据挖掘、机器学习、因果推断等，发表会议和期刊论文30余篇，包括SIGIR、SIGKDD、WWW、ACMMM、TOIS和TKDE，谷歌学术引用1300余次，研究成果在多家公司的商业系统应用。曾获WWW 2018最佳演示论文奖。担任Frontiers in Big Data编委，众多顶级期刊、会议审稿人/程序委员，包括SIGIR、WWW、NeurIPS、AAAI、ACL、EMNLP、ACMMM、TOIS、TNNLS、TKDE、TMM
===== 赵西亮 =====
厦门大学经济学院和王亚南经济研究院经济学教授、博士生导师。清华大学经济管理学院数量经济学专业博士，美国康奈尔大学和芝加哥大学访问学者，加拿大西安大略大学经济系博士后，长期从事中国经济和应用计量经济学研究，编著教材《基本有用的计量经济学》，被京东评为“十大构思细腻的大学教材”之一。 在《经济研究》、《经济学》（季刊）、《数量经济技术经济研究》、《WorldEconomy》等国内外重要期刊发表论文十余篇。China Economic Review, 《经济研究》、《管理世界》、《经济学（季刊）》、《世界经济》等国内外重要期刊匿名审稿人。
===== 张含望 =====
南洋理工大学助理教授，荣获“南洋”学者经费资助。他于2009年在浙江大学取得学士学位，并在2014年在新加坡国立大学取得了博士学位，之后在新加坡国立大学和美国哥伦比亚大学从事研究工作。张博士的主要研究领域是多模态当中的计算机视觉和机器推理。张博士曾经获得ACM MM 2013的最佳学生论文，ACM SIGIR 2016的最佳论文提名奖，以及TOMM 2018和IEEE TMM 2020的最佳论文, IEEE AI’s 10 to watch。其团队获得Visual Dialog Challenge 2018, 2020亚军以及2019冠军。
===== 张俊妮 =====
北京大学国家发展研究院副教授，2002年获美国哈佛大学统计学博士。现任民盟中央社会委员会委员、民盟北京市委金融委员会委员、中国现场统计研究会计算统计分会常务理事。曾任北京大学光华管理学院助理教授、副教授、北京大学商务智能研究中心副主任、北京大学光华管理学院责任与社会价值中心副主任。曾获北京大学立项教材奖励、北京大学优秀班主任奖励及北京大学教学优秀奖。研究领域为贝叶斯人口统计学、因果推断、数据与文本挖掘。
===== 苗旺 =====
北京大学概率统计系助理教授，2008-2017年在北京大学读本科和博士，2018-2020在北大光华管理学院任助理教授，2017-2018 在哈佛大学生物统计系做博士后研究。研究兴趣包括因果推断，人工智能，缺失数据分析和半参数统计，以及在生物医药、流行病学和社会经济中的应用。
===== 俞奎 =====
合肥工业大学计算机与信息学院黄山学者特聘教授，博士生导师。研究方向为因果推断与机器学习、自然语言处理等。在IEEE TPAMI、IEEE TKDE、IEEE TNNLS、ICML、KDD、AAAI等国际权威期刊与国际顶级会议发表学术论文40多篇。曾获2014年度中国计算机学会（CCF）优秀博士学位论文奖，2014年度加拿大太平洋数学研究院（PIMS）博士后奖。目前主持科技部科技创新2030-“新一代人工智能”重大项目课题一项，国家自然科学基金面上项目一项。安徽省人工智能学会认知智能与知识工程专委会主任，中国人工智能学会不确定性人工智能专委会委员，粒计算与知识发现专委会委员；担任多个国际人工智能领域顶级会议的领域主席与程序委员会委员。
===== 胡悦 =====
清华大学政治学系副教授，博士生导师，清华大学社科学院数据治理研究中心副主任、Github Campus Advisor，主要从事政治心理、政治语言、不平等认知、政治传播等方面研究。
===== 宫明明 =====
墨尔本大学讲师，研究方向为因果推断，基于因果的机器学习，迁移学习，计算机视觉。
===== 况琨 =====
* 浙江大学计算机科学与技术学院助理教授，研究方向因果推理、机器学习、数据挖掘。
* 主要贡献：参与集智研读营因果科学与Causal AI 专题分享“观测研究中的因果推断”
===== 郭若城 =====
* 香港城市大学（the City University of Hong Kong）数据科学学院任助理教授。研究方向为因果推理、机器学习、数据挖掘
* 主要贡献：参与集智研读营因果科学与Causal AI 专题分享“因果推断和机器学习的融合”
===== 龚鹤扬 =====
* 中国科学技术大学统计学在读博士，研究方向为因果推理。
* 主要贡献：作为因果科学与 Causal AI 系列读书会第一季发起人之一，参与集智研读营因果科学与Causal AI 专题分享“教会机器因果推理的强人工智能之路”
===== 陆超超 =====
剑桥大学机器学习组博士生， 由Zoubin Ghahramani教授和José Miguel Hernández-Lobato教授联合培养，Carl Edward Rasmussen教授指导；同时他也是Cambridge-Tübingen 博士奖学金的获得者，由马克斯·普朗克智能系统研究所的Bernhard Schölkopf 教授联合培养。他的主要研究兴趣是机器学习，特别是涉及到如何结合因果推理、贝叶斯推理、强化学习和深度学习各自的优势，并将它们应用在现实领域中解决实际问题，如计算机视觉和医疗等领域。
===== 李奉治 =====
* 中国科学院计算技术研究所直博生，主要研究方向为因果推理理论，以及因果在机器学习算法中的工程实践
* 主要贡献：作为因果科学与 Causal AI 系列读书会第三季发起人之一，参与集智研读营因果科学与Causal AI 专题分享“因果科学：Do-演算相关算法”
===== 李昊轩 =====
李昊轩，北京大学大数据科学研究中心博士研究生，导师为周晓华教授，专业为数据科学（统计学），研究兴趣为因果推断，推荐系统，强化学习。
===== 黄碧薇 =====
* 卡耐基梅隆大学博士。主要研究领域为因果发现，因果关系启发式机器学习，和计算神经科学。
* 主要贡献：参与集智研读营因果科学与Causal AI 专题分享“基于观测数据的因果发现及因果关系启发式机器学习”
'''郭启淏'''
* 南方科技大学科研助理，从事方向为量子计算的物理实现、基于超导量子电路的量子模拟及量子纠错。
* 主要贡献：参与集智研读营因果科学与Causal AI 专题分享“量子因果”
===== 高亦斌 =====
* 北京大学物理学本科，美国俄亥俄州立大学博士，现在北京一家互联网公司从事人工智能和大数据相关的工作。对复杂系统建模，人工智能，因果推断等感兴趣
* 主要贡献：作为因果科学与 Causal AI 系列读书会第一季发起人之一
===== 王谭 =====
新加坡南洋理工大学博士生，MReaL实验室成员。主要研究方向为视觉问题中的因果推断、无监督表征学习等。主要研究已发表在CVPR, ICCV, NeurIPS, TNNLS等会议和期刊。
===== 黄俊铭 =====
普林斯顿大学博士后，博士毕业于中国科学院计算技术研究所，曾在美国东北大学艾伯特·拉斯洛·巴拉巴西 （Albert-László Barabási）实验室担任博士后，研究方向为量化社会学方法、科学计量学、社会网络分析、文本分析等
===== 邓宇昊 =====
北京大学数学科学学院统计学2018级博士生，导师为周晓华教授，主要研究方向为生物统计、因果推断、临床试验研究中的统计学方法，已在Biometrics、Statistics in Medicine等杂志发表多篇论文。
===== 朱淑媛 =====
清华大学工业工程系在读博士生，研究方向：供应链协调、行为运作管理
===== 付鑫玉 =====
匹兹堡大学商学院管理信息系统博士生，研究方向是人机协作
===== 陈晗曦 =====
本科毕业于西北工业大学，现为上海交通大学信息与控制专业直博一年级学生，导师为李元祥教授，主要研究方向包括因果推断、鲁棒机器学习、流形学习与几何优化。
===== 张天健 =====
本科毕业于西安交通大学，现为香港中文大学（深圳）计算机信息工程专业博士研究生，研究兴趣包括可解释机器学习，因果推断及其在通信、医疗等领域中的应用。
===== 杨梦月 =====
伦敦大学学院计算机专业博士一年级，导师为汪军教授，曾在WWW/CVPR上发表过一作论文。目前在华为诺亚方舟决策推理实验室因果组实习，研究兴趣包括因果表示学习，因果强化学习。
===== 刘昊 =====
本科毕业于南京大学匡亚明学院，曾经在南京大学LAMDA实验室和杜克大学进行过科研，现为加州理工学院计算机专业博士三年级，研究兴趣包括因果机器学习、鲁棒学习、深度生成模型和可解释机器学习。
===== 蔡心宇 =====
本科毕业于中国科学技术大学，现为南洋理工大学计算机专业博士生，研究兴趣包括Causal Reinforcement Learning、Model-based Reinforcement Learning、Physical Modeling等。
===== 屠睿博 =====
瑞典皇家工学院博士在读。主要研究领域为因果发现
===== 徐培 =====
ThoughtWorks 高级咨询师/东南亚市场技术总监
===== 原显智 =====
辅仁大学心理系硕士在读
===== 陆怡舟 =====
毕业于北京大学数学学院 现任职于某商业银行风险管理部
===== 胡文杰 =====
北京大学数学科学学院在读博士生
===== 刘家硕 =====
清华大学计算机系在读博士生
===== 沈哲言 =====
清华大学计算机系在读博士生
===== 郭家贤 =====
悉尼大学在读博士，研究方向为深度迁移学习，强化学习
===== 丁晨炜 =====
悉尼大学在读博士，研究方向为因果发现，计算机视觉
== 因果科学社区活动 ==
== 因果科学社区活动 ==