Causality for Machine Learning

pdf: https://arxiv.org/abs/1911.10500

把因果思维融入机器学习中, 教会机器因果思维，构建具备因果思维的AI系统是 Judea Pearl 近三十的学术主要追求。本项目的主要目的是围绕嚼碎 Bernhard Scholkopf 的最新论文 Causality for Machine Learning 这个核心任务，提供一个 starters for causality research 抱团取暖的机会，构建一个因果研究的开放互助社区。

更具体的的来说，首先我们嚼碎论文 Causality for Machine Learning by the following steps:

• 给出论文一个中文翻译 see overleaf project
• 扩展和解释论文理论的内容, see overleaf project
• 扩展论文代码实践方面的内容，给出论文中涉及结论的 EndToEnd examples with colab project.
• 展示相关内容 on google blog of causality4ml and arxiv

我们希望围绕这个论文建立一个开放互助社区 for starters in causality， 社区的研究目标是希望能够 teach machine cause and effect, 希望构建通过小图灵测试的AI系统，even hope we can implement free will on AI。We aim to help starters but still some requirements including:

• 您能够轻松的科学上网，使用 google site, overleaf, colab, gmail 等服务。
• 您有一定的数学，物理，计算机科学，信息论，概率统计，机器学习和 python 编程的基础知识。
• 您有着原始的好奇心，热爱探索和思考。

如果您满足这些条件，请加入我们的开放互助社区，send me a email (zj3712@gmail.com) with your basic information so we can have a plan，一起把这个论文任务完成，在因果研究这条艰难的道路，我们在你身边。

友情链接：

• Causal Inference Zero to All
• Life and Intelligence, Strong AI