技術
AI Lab経済学チームの論文がNeurIPS2020のワークショップ「Causal Discovery and Causality-Inspired Machine Learning」に採択されました

AI Lab経済学チーム研究員の加藤らの論文が「NeurIPS2020」のワークショップ「Causal Discovery and Causality-Inspired Machine Learning」に採択されました。
■Causal Discovery and Causality-Inspired Machine Learning
「NeurIPS」は世界中の研究者によって毎年開催される国際会議で、「ICML」「KDD」などと並び、機械学習の分野で権威あるトップカンファレンスの一つです。このたび12月7日~12日にかけて行われる「NeurIPS2020」において開催される、主に因果推論・因果探索をテーマとした「Causal Discovery and Causality-Inspired Machine Learning」ワークショップに論文が採択されました。
採択された”Efficient Adaptive Experimental Design for Average Treatment Effect Estimation”では、ABテストやオンライン実験における効率的な実験方法を提案しています。推定量の分散を小さくするような確率に基づいて行動を選択することで、より効率的に少ない被験者の数で実験を行うことを目指します。
こちらの論文はサイバーエージェント AILab 経済学チームの加藤真大、石原卓弥さん(早稲田大学)、本多淳也さん(東京大学/理研AIP)、成田悠輔さん(イェール大学/半熟仮想株式会社)の4名による共著論文となります。
NeurIPS2020はオンライン開催となり、日本からでも参加が可能となりました。
ご参加いただく皆様、ぜひご覧ください。
公式サイト(NeurIPS2020)
https://nips.cc/
公式サイト(Causal Discovery and Causality-Inspired Machine Learning)https://www.cmu.edu/dietrich/causality/neurips20ws/
論文リンク
https://arxiv.org/abs/2002.05308
■Causal Discovery and Causality-Inspired Machine Learning
「NeurIPS」は世界中の研究者によって毎年開催される国際会議で、「ICML」「KDD」などと並び、機械学習の分野で権威あるトップカンファレンスの一つです。このたび12月7日~12日にかけて行われる「NeurIPS2020」において開催される、主に因果推論・因果探索をテーマとした「Causal Discovery and Causality-Inspired Machine Learning」ワークショップに論文が採択されました。
採択された”Efficient Adaptive Experimental Design for Average Treatment Effect Estimation”では、ABテストやオンライン実験における効率的な実験方法を提案しています。推定量の分散を小さくするような確率に基づいて行動を選択することで、より効率的に少ない被験者の数で実験を行うことを目指します。
こちらの論文はサイバーエージェント AILab 経済学チームの加藤真大、石原卓弥さん(早稲田大学)、本多淳也さん(東京大学/理研AIP)、成田悠輔さん(イェール大学/半熟仮想株式会社)の4名による共著論文となります。
NeurIPS2020はオンライン開催となり、日本からでも参加が可能となりました。
ご参加いただく皆様、ぜひご覧ください。
公式サイト(NeurIPS2020)
https://nips.cc/
公式サイト(Causal Discovery and Causality-Inspired Machine Learning)https://www.cmu.edu/dietrich/causality/neurips20ws/
論文リンク
https://arxiv.org/abs/2002.05308