鏈接：https://pan.baidu.com/s/1fSCze1k-yWgAzSNb1akHjQ?pwd=686n?

提取碼：686n

編輯推薦

華人學者劉歡（ACM Fellow）聯(lián)合業(yè)界和學界多位因果機器學習專家傾力打造。因果推斷和機器學習的理論與實際應(yīng)用相結(jié)合；

系統(tǒng)介紹因果推斷的基本知識、基于機器學習的因果推斷方法和基于因果推斷的機器學習方法及其在一些重要領(lǐng)域的應(yīng)用。

內(nèi)容簡介

本書是一本理論扎實，同時聯(lián)系實際應(yīng)用的圖書。全書系統(tǒng)地介紹了因果推斷的基本知識、基于機器學習的因果推斷方法和基于因果推斷的機器學習方法及其在一些重要領(lǐng)域的應(yīng)用。 全書共分6章。第1章從潛結(jié)果框架和結(jié)構(gòu)因果模型出發(fā)，介紹因果推斷的基本概念和方法。第2章介紹近年統(tǒng)計和機器學習文獻中出現(xiàn)的一些重要的基于機器學習的因果推斷方法。第3章介紹能夠提高機器學習模型的泛化能力的因果表征學習。第4章介紹因果機器學習如何提高機器學習模型的可解釋性與公平性。第5章介紹因果機器學習在推薦系統(tǒng)和學習排序中的應(yīng)用。第6章是對全書的一個總結(jié)和對未來的展望。本書對結(jié)合因果推斷和機器學習的理論與實踐進行了介紹。通過閱讀本書，讀者不僅可以掌握因果機器學習的基礎(chǔ)理論，還可對本書中提到的論文代碼進行鉆研，從而在實踐中加深對因果機器學習的理解。

作者簡介

郭若城，倫敦字節(jié)跳動人工智能實驗室機器學習研究員。研究重點為因果推斷和可置信的機器學習在推薦系統(tǒng)、搜索排序和圖數(shù)據(jù)中的應(yīng)用。曾獲美國亞利桑那州立大學杰出計算機科學博士生獎項。

程璐，美國伊利諾伊芝加哥分校計算機系助理教授，于2022年獲美國亞利桑那州立大學（ASU）計算機科學專業(yè)博士學位，師從劉歡教授。研究方向包括社會負責任人工智能，具體為人工智能的公平性、可解釋性、隱私保護、可泛化性、對社會的公益性、因果機器學習，以及社會計算。

劉昊，美國加州理工學院在讀計算機專業(yè)博士生，本科畢業(yè)于南京大學匡亞明學院，研究方向為可置信的機器學習、因果機器學習。

劉歡，美國亞利桑那州立大學計算機科學與工程學院教授，ACM Fellow、AAAI Fellow、AAAS Fellow、IEEE Fellow。研究重點是開發(fā)人工智能、數(shù)據(jù)挖掘、機器學習和社會計算的計算方法，并設(shè)計高效的算法有效地解決了從基礎(chǔ)研究、特征選擇、社會媒體挖掘到現(xiàn)實世界應(yīng)用的問題。

精彩書評

在機器學習算法在各領(lǐng)域取得重大成果的今天，人工智能仍然面臨著挑戰(zhàn)。如今，大規(guī)模的機器學習模型在有海量數(shù)據(jù)的條件下可以學習到復雜的相關(guān)性。但它們?nèi)匀缓茈y像人類一樣，只用少量的數(shù)據(jù)就可以學習到數(shù)據(jù)中隱含的因果關(guān)系。

本書首先介紹因果推斷的基礎(chǔ)知識，然后介紹因果機器學習在域外泛化、可解釋性、算法公平性、自然語言處理和推薦搜索糾偏等熱門研究和應(yīng)用領(lǐng)域中具有代表性的模型方法和應(yīng)用場景，適合數(shù)據(jù)科學相關(guān)專業(yè)的高年級本科生、研究生閱讀。

——張愛東 美國弗吉尼亞大學教授，ACM/IEEE/AIMBE Fellow

讓機器學習模型像人類一樣，能夠區(qū)分因果性和相關(guān)性是邁向通用人工智能的一個關(guān)鍵步驟。本書講解了因果機器學習相關(guān)的基礎(chǔ)知識、重要的方法和典型的應(yīng)用，包括自然語言處理、機器學習可解釋性、算法公平性、推薦搜索糾偏等。

本書對想要進入因果機器學習領(lǐng)域、數(shù)據(jù)科學相關(guān)專業(yè)的本科生、研究生和從業(yè)人員很有幫助。

——常毅 吉林大學人工智能學院院長、教授，BCS/IET Fellow，ACM 杰出會員

人工智能和機器學習模型正在各行各業(yè)發(fā)揮著舉足輕重的作用。傳統(tǒng)機器學習往往專注于提升某個任務(wù)的預測準確能力，從而忽視了模型背后所能夠揭示的更深層次的不同變量之間的因果聯(lián)系，以致得到缺乏解釋性的模型，更有可能做出不公平的決策，甚至在新的數(shù)據(jù)分布上表現(xiàn)不佳。讓機器學習模型能夠進行因果推斷是從提高預測精度到揭示事物變化規(guī)律這一重要躍遷的關(guān)鍵能力。

本書深入淺出地介紹了因果機器學習的理論及其在各細分領(lǐng)域的應(yīng)用，對相關(guān)領(lǐng)域的科研人員和工程師了解和研究因果機器學習會有很大幫助。

——洪亮劼 美國領(lǐng)英公司工程總監(jiān)，博士