由智源社区、集智俱乐部联合举办的
因果科学与Causal AI读书会第三季
，
其目标是：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，包括但不限于医学、经济学、机器学习等领域，尝试建立与SCM的对应关系。读书自2021年10月24日开始，每周日上午 09:00-11:00举办，持续时间预计 2-3 个月
。
郭若城
，香港城市大学助理教授，研究方向为因果机器学习。2021年获亚利桑那州立大学杰出计算机科学博士生奖项。在重要学术期刊ACM CSUR、ACM Trans和数据挖掘领域重要国际学术会议SIGKDD、WSDM、ICWSM、IJCAI等发表学术论文30余篇。
Kusner, Matt J., Joshua Loftus, Chris Russell, and Ricardo Silva. “Counterfactual fairness.” Neurips 2017.
Kilbertus, Niki, Philip J. Ball, Matt J. Kusner, Adrian Weller, and Ricardo Silva. “The sensitivity of counterfactual fairness to unmeasured confounding.” In UAI 2020.
Garg, Sahaj, Vincent Perot, Nicole Limtiaco, Ankur Taly, Ed H. Chi, and Alex Beutel. “Counterfactual fairness in text classification through robustness.” In AIES 2019.
Makhlouf, Karima, Sami Zhioua, and Catuscia Palamidessi. “Survey on causal-based machine learning fairness notions.” arXiv preprint arXiv:2010.09553 (2020).
Ma, Jing, Ruocheng Guo, Mengting Wan, Longqi Yang, Aidong Zhang, and Jundong Li. “Learning Fair Node Representations with Graph Counterfactual Fairness.” WSDM 2022.
由智源社区、集智俱乐部联合举办的
因果科学与Causal AI读书会第三季
，将主要面向两类人群：如果你从事计算机相关方向研究，希望为不同领域引入新的计算方法，通过大数据、新算法得到新成果，可以通过读书会各个领域的核心因果问题介绍和论文推荐快速入手；如果你从事其他理工科或人文社科领域研究，也可以通过所属领域的因果研究综述介绍和研讨已有工作的示例代码，在自己的研究中快速开始尝试部署结合因果的算法。读书自2021年10月24日开始，每周日上午 9:00-11:00举办，持续时间预计 2-3 个月。
读书会大纲一览：
Donald Rubin：Essential Concepts of causal inference
因果推断在观察性研究中的应用（续）：ANALYSIS
因果与公平性和可解释性
「深入理论学习」
