这几年“因果推断”（Causal Inference）和机器学习的结合引起了很多学术圈和工业界学者和实践者的注意。在KDD 2021上，来自Uber和微软的数据科学家和研究人员共同举办了一个关于因果推断的实践讲座“Causal Inference and Machine Learning in Practice with EconML and CausalML”（Google搜索名字）

这几年“因果推断”（Causal Inference）和机器学习的结合引起了很多学术圈和工业界学者和实践者的注意。在KDD 2021上，来自Uber和微软的数据科学家和研究人员共同举办了一个关于因果推断的实践讲座“Causal Inference and Machine Learning in Practice with EconML and CausalML”（Google搜索名字）。这个讲座分享了来自Uber和微软的两个功能相似但又各有特点的因果推断工具包，CausalML和EconML，非常值得实践者使用和研究。同时，在这两个工具包的基础上，这个讲座还讲解里如何利用这两个工具包所进行的四个案例分析，从实际的案例中，我们可以学习到因果推断可以对哪些不容易A/B测试的问题进行分析，从而得到有因果关系的推断结果。这两个工具包是因果推断迈向大规模应用的重要进步。