长按二维码,关注官方公众号
个人介绍：罗文娟，博士毕业于中国科学院计算技术研究所，研究方向为文本挖掘。毕业后曾在美团从事用户增长相关算法优化，在滴滴担任资源分配业务负责人。加入快手后，主要工作内容为基于因果推断算法优化push效率提升push效果。读博和工作期间曾在ICDM，KDD，NIPS，Information Processing & Management , Knowledge Based System等顶级会议和期刊上发表多篇论文，并发表国际专利一项。
演讲题目：基于观测数据的因果推断技术
演讲提纲：
工业界的因果推断应用大多数场景下需要依赖于随机试验数据（random control），随机试验数据因为符合因果推断需要的一些完美假设，往往在落地中有非常好的效果。但是在实际业务中，我们往往囿于法律、法规、伦理、道德、公平性、成本等原因没有办法进行随机试验。虽然我们从实际的日志数据中，往往能收集到不少的观测性样本，但是这些观测性样本大多数情况下都是有偏的，存在非常多的混杂。本次分享主要是针对无法或者说仅能做有限的随机试验的情况下，我们怎么基于观测样本进行因果推断，帮助大家从算法和业务两个方向去更清晰地学习和落地因果推断技术，助力业务的发展。
主要内容包括：
1、观测性样本如何做deConfounding
2、观测性样本如何评估因果推断效果
听众收益：
、了解如何在无法进行随机试验的情况下怎么做因果推断
2、如何对观测性样本进行消偏
3、基于观测性样本进行因果推断的实践
因果推断算法应用论坛
议题1：基于工具变量的因果推断和因果可泛化学习
议题2：基于观测样本的因果推断技术
议题3：因果推断技术在资源分配领域的探索和应用
议题4：基于业务先验知识的多维连续 Treatment 因果模型
