个人简介：
耿直，北京大学数学科学学院，教授。研究方向为统计因果推断。百余篇论文发表在统计学、机器学习、人工智能等刊物。1996年当选为国际统计学会推选会员，1998年获国家杰出青年基金，曾应邀在2011年国际工业与应用数学大会（ICIAM 2011)做60分钟大会报告。2006年-2010年任中国数学会概率统计学会理事长、2009年-2017年任中国现场统计研究会理事长、2009年-2011年任IMS–China主席等职务。
报告题目：
因果推断
报告摘要：
探索因果关系是各种科学研究的最终目标。因果关系的三个层级包括：相关与预测、干预与决策、反事实与想象。当今的机器学习与人工智能尚处于第一层级“相关与预测”。报告将探讨第二和三层级的因果挑战问题，其本质是消除混杂因素引起的虚假相关关系。在几乎所有科学领域中，混杂都是一个历史悠久的问题。报告将探讨混杂因素的定义和判断准则。为了评价原因变量对结果变量的因果作用，需要判断哪些变量是混杂因素、哪些变量是中间变量。为此，提出将因果关系网络局部学习与因果作用评价相结合的方法。
会议时间： 2021/11/9 （二）14:00-16:00
腾讯会议 ID： 746 300 182
