机器之心报道
编辑：陈萍
因果推理导论在线课程开课了，对于热衷因果推理的小伙伴，你准备好了吗？
转眼之间，2020 年已过去三分之二。由于新冠肺炎的影响，很多学校都不能正常开课。在这种情况下，一系列在线课程显得尤为重要，不能正常返校的学生也能在线学习。
今天要介绍的课程是因果推理课程，它是从机器学习的角度编写的《Introduction to Causal Inference》秋季课程。
课程主页：https://www.bradyneal.com/causal-inference-course#course-textbook
这门课程由 Yoshua Bengio 高徒 Brady Neal 主讲，主要讲述因果推理相关知识。此外，该课程整合了来自许多不同领域的见解，如流行病学、经济学、政治学和机器学习等，这些领域都利用到了因果推理。
在学习这门课程之前，需要注意一点：虽然这门课程是从机器学习的角度编写的，但该课程是为那些对学习因果关系感兴趣的人准备的，在课程设置上假设学生在本科阶段上过概率论课程或有同等经验。
课程时间表
该课程时长为 14 周，自 8 月 31 日持续至 11 月 30 日，历时 3 个月。在课程最后一周，Brady Neal 也会邀请其导师、深度学习先驱 Yoshua Bengio 作为嘉宾，讲授因果表示学习相关内容。
此外讲座视频不会直播，通常会在每周一上传到 ***，目前已有部分视频放出。
视频地址：https://www.***.com/watch?v=CfzO4IEMVUk&list=PLoazKTcS0Rzb6bb9L508cyJ1z-U9iWkA0&index=1
通过该课程的学习，学生可以掌握以下内容：
图模型、后门调整和因果模型结构；
随机化实验、前门调整、do-calculus 和通用识别；
估值和条件平均处理效应（Conditional Average Treatment Effects）；
未观察到的的混淆、边界以及敏感性分析；
工具变量、断点回归、双重差分和合成控制法；
有实验的因果关系发现；
无实验的因果关系发现；
可移植性和迁移学习；
反事实推理以及中介和特定路径效应（Mediation and Path-Specific Effects）。
下表为详细的课程进度表：
课程配套教材
该课程的配套教材选用了 Brady Neal 编写的 《Introduction to Causal Inference》。需要说明的是，该教材会在整个课程中不断地进行更新。
教材地址：https://www.bradyneal.com/Introduction_to_Causal_Inference-Aug27_2020-Neal.pdf
该教材共计 62 页，主要分为 9 个章节，章节目录如下图所示。从目录中可以得出，目前该教材已经更新到第 5 章节，最终版本中会有完整的书目注释，但要等到课程结束后才会完善。
讲师简介
本课程的授课讲师为 Brady Neal，他是 Mila-Quebec AI Institute 因果推理和机器学习博士研究生，博士期间由 Ioannis Mitliagkas 和 Yoshua Bengio 共同指导。他热衷于基础和应用因果推理，尤其是在公共政策方面的应用。
Ioannis Mitliagkas 还是他硕士期间的导师。
Brady Neal 发表论文的情况以及文章被引用量如下图所示：
课程评价
对于已上传到 *** 的部分课程内容，很多专注该领域的人表达了自己的感想：
有网友评论表示：「太感谢你了！迫不及待想要看剩下的课程了！」。
也有网友评论称：「我发现『观察性研究中的因果关系』这节中的 COVID-27 驱动示例非常有助于理解 do 运算符！非常感谢您提供这些，我真的认为对于来自应用机器学习领域却没有太多统计背景的人来说，有必要开设这门课程。期待这门课程。」。
看看课程表的时间，还没有加入的小伙伴，抓紧时间啦！
参考链接：
https://mp.weixin.qq.com/s/RQZzx3SdU1WFm6ZltSFUOA
https://www.bradyneal.com/aboutme
https://scholar.google.com/citations?hl=en&user=cEpJgXYAAAAJ&view_op=list_works
