职位描述

传统的统计学习、深度学习模型对变量的建模更加侧重于相关性，模型可解释性差，对于系统的可运营性带来很大的困难。因果推断（Causal Inference）是图灵奖得主Judea Pearl提出的贝叶斯派学习理论，目前正在快速发展，旨在建模变量之间、变量与目标的因果关系图，并将推理方法融入到现有的深度学习框架中。阿里巴巴优酷的增长算法团队正在紧密展开相关的工作，将因果推断的理论框架应用到用户增长以及会员营销的实际业务场景中，并且已经看到了一些令人兴奋的初步效果。现在招募2021年毕业的博士或者硕士（有CCF-A论文，机器学习，博弈论机制方向的同学优先），以research intern的身份加入我们，与我们一起进行相关的研究与应用工作，target明后年的相关CCFA会议。欢迎有兴趣的同学