DataFunSummit2023 因果推断峰会嘉宾PPT合集（共20套打包）

1、DataFunSummit#2023Graph Out-of-Distribution Generalization From a Causal Perspective演讲人：隋勇铎(Yongduo Sui)中国科学技术大学博士生蚂蚁集团实习生01Background and Motivation03Causal Attention Learning02Related Studies04Adve。

2、DataFunSummit#2023面向图数据分布外泛化的因果表示学习陈永强-香港中文大学-博士研究生Yongqiang ChenCUHK,Tencent AI Lab2Towards Causal Representation Learning for Out-of-Distribution Generalization on Graphswith Yatao Bian,Yonggang Zh。

3、探索充分必要因果性probability of sufficient and necessary causes杨梦月伦敦大学学院mengyue.yang.20ucl.ac.uk1 The OOD generalization taskInvariant Learning2TrainTest Invariant causal assumption across source and test di。

4、Graph-based Causal Inference for Health Decision MakingJundong Li,Assistant ProfessorDepartment of Electrical and Computer Engineering Department of Computer Science,and School of Data Science,Univer。

5、Counterfactual No-Harm Criterion:Individual Risk and Trustworthy Policy LearningPeng WuJoint work with Zhi Geng,Yue Liu,Haoxuan Li,and Chunyuan Zheng.Beijing Technology and Business UniversityOctober。

6、DataFunSummitDataFunSummit#20232023Learning Substructure Invariance for Out-of-Distribution Molecular Representations Presented by Nianzu Yang,PhD candidate SJTU-ReThinkLabFormulation:denotes the sup。

7、DataFunSummit#2023因果推断技术在快手短视频推荐中的应用演讲人-林肖-快手-高级算法专家01快手单列短视频推荐场景02因果推断技术与模型表示03观看时长预估与因果推断技术04未来的展望目录 CONTENTDataFunSummit#202301快手单列短视频推荐场景关于快手 头部短视频和直播社区 MAU：6.733 亿 DAU：3.760 亿 拥抱每一种生活 单列：沉浸式体验 双。

8、DataFunDataFun SummitSummit#20232023基于深度学习多实验因果推断基于深度学习多实验因果推断张任宇张任宇快手经济学家快手经济学家香港香港中文大学副教授中文大学副教授OctOct 21,21,20232023张任宇 Philip Zhang三位一体数据科学家/运营管理学青椒:学者+老师+互联网搬砖工快手经济学家（2018-）香港中文大学商学院(tenured)副教授。

9、因果性学习初探蔡瑞初数据挖掘与信息检索实验室广东工业大学什么是因果性学习？2 人类是如何学习的？什么是因果性学习人类学习人类学习技能下棋、游戏、驾驶书籍观察实验 人类是如何学习的？什么是因果性学习人类学习人类学习机器学习（相关性）技能下棋、游戏、驾驶书籍观察实验数据模型 认知：视频分析、图像识别 决策：游戏、驾驶相关性学习 人类是如何学习的？什么是因果性学习人类学习人类学习机器学习（相关性）技能。

10、DataFunSummit#2023虎牙实验科学实践黄琨 虎牙 数据科学家01虎牙的数据赋能挑战02实验文化与平台能力建设03结合场景服务扩展04总结与回顾目录CONTENTDataFunSummit#202301虎牙的数据赋能挑战虎牙是一个内容供给平台，业务诉求是典型的因果推断问题内容主播内容对大盘的贡献如何制定主播激励目标推荐如何提升用户冷启效果如何提升用户长期价值增长广告投放拉新拉活的贡献。

11、因果科学及其工业界落地DataFunSummitDataFunSummit#20232023秦旋-快手-增长算法工程师ContentsWhy CausalData Flow Specification for Causal Inference ImplementationModel SelectionEvaluation and simulationOptimal Problems with L。

12、DataFunSummitDataFunSummit#20232023AB实验的敏感指标探索苏扬腾讯游戏IEGG资深数据科学家01什么是敏感代理指标02如何寻找敏感代理指标03敏感代理指标应用案例04总结和展望目录 CONTENTDataFunSummitDataFunSummit#2023202301什么是敏感代理指标什么是敏感代理指标什么是敏感代理指标做A/B实验时，我们期望的最终效果是实验。

13、基于因果推断的推荐系统高宸清华大学 信息国家研究中心https:/ 2023:因果推断在线峰会推荐与因果推断论坛Background2 2 Why is causal inference needed in recommender system?Chen Gao et al.Causal inference in recommender systems:A survey and future d。

14、.Multiply robust estimation of causal effects usinglinked dataShanshan Luo1,Yechi Zhang2,and Wei Li21School of Mathematics and StatisticsBeijing Technology and Business University2Center for Applied 。

15、ZIN:When and How to Learn Invariance withoutDomain PartitionYong LinOctober 18,2023(Yong Lin)ZIN:When and How to Learn Invariance without Domain PartitionOctober 18,20231/24Contents1Learning Invarian。

16、D Da at ta aF Fu un nS Su ummmmi it t#2 20 02 23 3A A/B B实实验验中中策策略略长长期期效效果果评评估估方方案案研研究究演讲人-温中卉-腾讯广告-数据科学家D a t a f u n 分享 演演讲讲人人介介绍绍温中卉，北京大学光华管理学院商业分析硕士，现在腾讯广告数据科学团队，负责从数据科学角度对广告系统各链路分析与优化，应用实验设计和因果推。

17、探索图可解释性中的分布外泛化问题方俊峰 中国科学技术大学 博士DataFunSummit#2023当前的可解释评估指标真的“公平”吗？可解释算法为何会引入OOD问题？如何实现网络-数据的联合解释？1)避开公式 2)中英混杂2Background3How to define explainability?(1)Miller,Tim.“Explanation in artificial intell。

18、DataFunSummit#2023不同类型实验在不同类型实验在搜索场景中的使搜索场景中的使王东星 腾讯 数据产品经理我简介我简介 腾讯 PCG 搜索 10+年数据产品 从 0 到 1 搭建搜狗搜索实验平台0101ABAB实验简介实验简介简单介绍AB实验及流程0202搜索实验常见问题搜索实验常见问题搜索实验常见的问题及解决法0303各类型搜索实验介绍各类型搜索实验介绍搜索常的种类型实验介绍：普通。

19、DataFunSummit#2023目录200+IP资产78%+技术研发100%+业务增长九章云极DataCanvas以“创造智能，探索未知”为使命，以“助力全球企业智能升级”为愿景，是中国人工智能基础软件领军者。公司致力通过自主研发的人工智能基础软件产品系列和解决方案为用户提供人工智能基础服务，助力用户在数智化转型中轻松完成模型和数据的双向赋能，低成本高效率的提升企业决策能力，实现企业级AI规。

20、DataFunSummit#2023洞察AB实验的地区差异基于腾讯游戏海外实验的经验周俊龙腾讯游戏IEGG资深数据科学家01游戏AB实验地区差异02异质性效果检验与拆分03异质性效果理解与预测04总结与展望目录 CONTENTDataFunSummit#202301游戏AB实验地区差异现状实验效果的地区差异实验效果的地区差异常AB实验场景，我们往往关注整体的实验效果：A组是否B组好。实验效果的地。