“因果科学读书会词条梳理”的版本间的差异

来自集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
跳到导航 跳到搜索
（建立内容为“简介 因果科学社区”的新页面）
 
第1行： 第1行：
−
简介
+
== 读书会介绍 ==
 +
[[因果科学社区]]
 +
 
 +
“因果”并不是一个新概念，而是一个已经在多个学科中使用了数十年的分析技术。第三季读书会，我们需要回顾数十年来在社会学、经济学、医学、生物学等多个领域中，都是使用了什么样的因果模型、以什么样的范式、解决了什么样的问题。我们还要尝试进行对比和创新，看能否以现在的眼光，用其他的模型，为这些研究提供新的解决思路。
 +
 
 +
第三季因果科学与Causal AI读书会，将主要结合因果推断的潜在结果（Potential Outcomes）框架展开讨论，并尝试在不同领域尝试建立与SCM的对应关系。
 +
 
 +
分享主要按照'''「理论学习」+「案例研讨」'''的模式进行展开：
  
−
[[因果科学社区]]
+
第一个模块为「理论学习」模块，这部分将参考W. Imbens和B. Rubin的著作Causal Inference for Statistics, Social, and Biomedical Sciences以及A. Hernan和M. Robins的Causal Inference: What if进行分享，将重点介绍潜在结果框架，包括但不限于实验性研究和观察性研究中的重要方法以及更稳健的因果效应估计方法。
 +
 
 +
第二个模块为「案例研讨」模块，将围绕目前在不同领域学术界和业界面临的重要问题，研讨包括但不限于计量经济学、推荐系统、精准医疗、计算社会科学、推荐系统、智能运维等学科典型的因果相关分析的研究实例。对这些研究进行复现。我们也将尝试提供相关代码示例，对这些研究进行复现，帮助大家在自己的研究中快速开始部署结合因果的算法。
 +
 
 +
详情可了解[https://swarma.org/?p=29052 因果+X：解决多学科领域的因果问题 | 因果科学读书会第三季启动]
 +
 
 +
== 项目目标 ==
 +
 
 +
* 梳理因果科学领域的重要知识概念，为初学者提供更好的认知地图
 +
* 促进因果科学领域的概念统一和对齐
 +
 
 +
== 项目背景 ==
 +
因果科学在国内越来越受到大家的关注，很多的科研工作者都投身于这个方向的科研探索，也有越来越多的学生和老师对这个内容感兴趣，希望可以梳理出这个领域的核心概念，让大家能更好的学习，并且达成统一的共识，更好的推送因果科学的发展。
 +
 
 +
===词条来源===
 +
该项目的词条来源由因果科学读书会的发起人李奉治、李昊轩等人提供。
 +
==志愿者任务领取词库==
 +
{| class="wikitable" width="100%;text-align:center;"
 +
|- style="height:30px"
 +
! scope="col" style="width:30%" |词条
 +
! scope="col" style="width:20%" |认领人
 +
! scope="col" style="width:25%" |认领时间
 +
! scope="col" style="width:25%;" |完成时间
 +
|-
 +
|[[主分层]]
 +
|明明
 +
|
 +
|
 +
|-
 +
|[[Bernhard Schölkopf]]
 +
|
 +
|
 +
|
 +
|-
 +
|[[James Robins]]
 +
|宋雯洁
 +
|
 +
|
 +
|-
 +
|[[双重差分]]
 +
|明明
 +
|
 +
|
 +
|-
 +
|[[Elias Bareinboim]]
 +
|
 +
|
 +
|
 +
|-
 +
|[[Judea Pearl]]
 +
|
 +
|
 +
|
 +
|-
 +
|[[Peter Spirtes]]
 +
|
 +
|
 +
|
 +
|-
 +
|[[Susan Athey]]
 +
|
 +
|
 +
|
 +
|-
 +
|[[The Book of Why]]
 +
|
 +
|
 +
|
 +
|-
 +
|[[Causal Inference: What If]]
 +
|
 +
|
 +
|
 +
|-
 +
|[[Causal Inference for Statistics, Social, and Biomedical Sciences]]
 +
|
 +
|
 +
|
 +
|-
 +
|[[Causal Inference in Statistics: A Primer]]
 +
|
 +
|
 +
|
 +
|-
 +
|[[Causality: Model, Reasoning, and Inference]]
 +
|
 +
|
 +
|
 +
|-
 +
|[[Counterfactuals and causal inference]]
 +
|
 +
|
 +
|
 +
|-
 +
|[[Causation, Prediction, and Search]]
 +
|
 +
|
 +
|
 +
|-
 +
|[[The Book of Why]]
 +
|
 +
|
 +
|
 +
|-
 +
|[[Elements of Causal Inference: Foundations and Learning Algorithms]]
 +
|
 +
|
 +
|
 +
|}
 +
==编辑排版词库==
 +
{| class="wikitable" width="100%;text-align:center;"
 +
|- style="height:30px"
 +
! scope="col" style="width:30%" |词条
 +
! scope="col" style="width:20%" |认领人
 +
! scope="col" style="width:25%" |认领时间
 +
! scope="col" style="width:25%;" |完成时间
 +
|-
 +
|[[Sander Greenland]]
 +
|
 +
|
 +
|
 +
|-
 +
|[[Tyler VanderWeele]]
 +
|
 +
|
 +
|
 +
|-
 +
|[[Miguel Hernán]]
 +
|
 +
|
 +
|
 +
|-
 +
|[[Donald Rubin]]
 +
|
 +
|
 +
|
 +
|-
 +
|[[断点回归]]
 +
|
 +
|
 +
|
 +
|-
 +
|[[逆概率加权]]
 +
|
 +
|
 +
|
 +
|-
 +
|[[合成对照]]
 +
|
 +
|
 +
|
 +
|-
 +
|[[Guido Imbens]]
 +
|
 +
|
 +
|
 +
|-
 +
|[[Clark Glymour]]
 +
|
 +
|
 +
|
 +
|}
 +
==专家审核词库==

2022年3月24日 (四) 18:30的版本

读书会介绍

因果科学社区

“因果”并不是一个新概念，而是一个已经在多个学科中使用了数十年的分析技术。第三季读书会，我们需要回顾数十年来在社会学、经济学、医学、生物学等多个领域中，都是使用了什么样的因果模型、以什么样的范式、解决了什么样的问题。我们还要尝试进行对比和创新，看能否以现在的眼光，用其他的模型，为这些研究提供新的解决思路。

第三季因果科学与Causal AI读书会，将主要结合因果推断的潜在结果（Potential Outcomes）框架展开讨论，并尝试在不同领域尝试建立与SCM的对应关系。

分享主要按照「理论学习」+「案例研讨」的模式进行展开：

第一个模块为「理论学习」模块，这部分将参考W. Imbens和B. Rubin的著作Causal Inference for Statistics, Social, and Biomedical Sciences以及A. Hernan和M. Robins的Causal Inference: What if进行分享，将重点介绍潜在结果框架，包括但不限于实验性研究和观察性研究中的重要方法以及更稳健的因果效应估计方法。

第二个模块为「案例研讨」模块，将围绕目前在不同领域学术界和业界面临的重要问题，研讨包括但不限于计量经济学、推荐系统、精准医疗、计算社会科学、推荐系统、智能运维等学科典型的因果相关分析的研究实例。对这些研究进行复现。我们也将尝试提供相关代码示例，对这些研究进行复现，帮助大家在自己的研究中快速开始部署结合因果的算法。

详情可了解因果+X：解决多学科领域的因果问题 | 因果科学读书会第三季启动

项目目标

  • 梳理因果科学领域的重要知识概念，为初学者提供更好的认知地图
  • 促进因果科学领域的概念统一和对齐

项目背景

因果科学在国内越来越受到大家的关注，很多的科研工作者都投身于这个方向的科研探索，也有越来越多的学生和老师对这个内容感兴趣，希望可以梳理出这个领域的核心概念，让大家能更好的学习，并且达成统一的共识，更好的推送因果科学的发展。

词条来源

该项目的词条来源由因果科学读书会的发起人李奉治、李昊轩等人提供。

志愿者任务领取词库

词条 认领人 认领时间 完成时间
主分层 明明
Bernhard Schölkopf
James Robins 宋雯洁
双重差分 明明
Elias Bareinboim
Judea Pearl
Peter Spirtes
Susan Athey
The Book of Why
Causal Inference: What If
Causal Inference for Statistics, Social, and Biomedical Sciences
Causal Inference in Statistics: A Primer
Causality: Model, Reasoning, and Inference
Counterfactuals and causal inference
Causation, Prediction, and Search
The Book of Why
Elements of Causal Inference: Foundations and Learning Algorithms

编辑排版词库

词条 认领人 认领时间 完成时间
Sander Greenland
Tyler VanderWeele
Miguel Hernán
Donald Rubin
断点回归
逆概率加权
合成对照
Guido Imbens
Clark Glymour

专家审核词库

取自“https://wiki.swarma.org/index.php?title=因果科学读书会词条梳理&oldid=29508”