在因果推断落地中快手业务平台24小时在线，实验组合效果评估在海量实验情景下变得非常重要快手业务平台24小时在线，解决方式一般是从高层面的实验方法论和技术工具入手，为此，DataFunSummit2023快手业务平台24小时在线：因果推断在线峰会设立快手业务平台24小时在线了因果分析论坛，邀请来自腾讯、快手的专家，分享最新相关实践和研究成果。欢迎广大从业者参与交流。
扫码免费报名观看直播
出品人：程大曦 快手 数据科学家
个人介绍：北京大学光华管理学院经济学学士，德克萨斯大学奥斯汀分校商业分析硕士。前蚂蚁集团数据科学家，负责A/B实验平台功能构建。在快手中台曾负责实验与因果方向的流量生态分析，现负责快手消费算法推荐策略数据分析。
张任宇 香港中文大学 商学院副教授、快手经济学家&Tech Lead
个人介绍：张任宇，香港中文大学商学院副教授（with tenure），快手经济学家&Tech Lead，主要研究数据科学（包括机器学习、因果推断和数据驱动优化）及其在大规模在线平台业务决策的评估与优化中的应用。研究成果在MS，OR，MSOM，EC等顶刊顶会发表并获得INFORMS, POM等多个学术共同体研究奖励。研究项目获得NSFC, SMEC, STCSM和HK RGC资助。担任学术期刊POM的SE和NRL的AE。在香港中文大学、纽约大学和快手内部讲授数据科学、运筹学和经济学课程。为快手平台开发经济学/数据科学方法框架，主要用于评估并优化平台增长策略以及宏观流量与营收生态。个人网站：https://rphilipzhang.github.io/rphilipzhang/Philip R. Zhang
🔥演讲题目：基于深度学习多实验叠加效果因果推断
演讲提纲：大型在线平台每天都会启动数百个A/B 测试来迭代其业务策略。因此，平台的每个用户可能会同时被大量 A/B 测试命中。这就引发了如下两个对学术研究与平台运营实践都非常重要的问题：（a）如何估计和推断平台上多个实验组合的整体效果快手业务平台24小时在线？(b) 在无法观察到所有实验组合的情况下，如何找到最佳实验组合（i.e., best-arm identification）？我们结合深度学习 (Deep Learning) 和双重机器学习 (Double Machine Learning) 的开发一套新的统计分析框架来估计平台每个用户受到任何实验组合的效果 (treatment effect)。我们提出的神经网络架构兼顾了可解释性和灵活性。我们的框架（称作debiased deep learning，DeDL）利用Neyman正交性产生了一致且渐近正态的估计量，从而进行有效实验效果推断与最佳实验组合识别。我们在快手，部署了我们的框架分析3 个独立 A/B 测试。与基于线性回归和深度学习的基准方法相比，我们的 DeDL方法可以更准确地估计和推断任意实验组合的效果，并正确识别最佳实验组合。我们通过随机仿真数据进一步验证DeDL框架在model misspecification下的稳健性。
🎁听众收益：
1. 深度学习如何赋能因果推断？
2. 双重机器学习在真实业务场景有多大价值？
3. 前沿因果推断方法如何在真实业务场景落地？
张婧婧 腾讯 微信实验平台 数据科学家
个人介绍：北大光华商业分析硕士，在微信实验平台负责社交网络实验、异质性分析、实验长短期效应的算法设计与开发，从0到1搭建腾讯分布式因果推断工具。
🔥演讲题目：Fast-Causal-Inference——腾讯开源分布式因果推断工具
演讲提纲：因果推断在业务决策中发挥着越来越重要的作用，业务依赖于AB实验来判断新策略好坏，或者观测性推断等工具去辅助业务决策。然而，现在业界的分析数据量动辄达到千万量级，本地的因果推断工具包无法支持，只能抽样计算，这会损失统计效力。因此我们开发了Fast-Causal-Inference，一个分布式因果推断的package，现已对外开源（https://github.com/Tencent/fast-causal-inference），支持业内大部分常用的因果推断工具，例如带方差削减的T检验，DID，IV，matching，DML等等。本次分享主要包括以下几个部分：首先介绍了因果推断在业务中的常见应用场景；其次介绍我们的工具包的设计框架和实现架构，如何高效的将这些算法分布式实现；最后通过几个例子简要介绍如何使用我们的工具包。
🎁听众收益：
1. 常用的因果推断算法的应用场景
2. 常用因果推断算法的计算原理
3. 因果推断如何分布式实现，如何结合分布式计算的特点做优化
4. 如何使用该分布式工具包做因果推断
温中卉 腾讯广告 数据科学家
个人介绍：温中卉，北京大学光华管理学院商业分析硕士，现在腾讯广告数据科学团队，目前负责从数据科学角度对广告系统各链路分析与优化，应用实验设计和因果推断等方法进行科学评估衡量。
🔥演讲题目：A/B实验中策略长期效果评估方案研究
演讲提纲：A/B实验进行策略效果评估过程中，受到实验时长限制等原因，往往只能检测到策略的短期影响或短期指标，于是需要实验人员通过短期的实验捕捉策略长期的效果，高效地评估策略，避免有效策略的漏判等问题。本次演讲将介绍实验长短期效应产生的原因，目前工业界探究策略长期效果的方案，以及分享者针对策略长短期效应的研究
🎁听众收益：
1. 实验长短期效应产生的原因；
2. 工业界目前探究策略长期效果方法与实验设计
3. 分享者针对策略长期效应的研究
扫码免费报名观看直播
往期推荐
京东One-Service数据服务体系建设
算法工程师如何挨过职业“寒冬”？
Flink on K8s在快手的实践
多域图大模型在百度推荐系统的实践与思考
腾讯欧拉如何打造数据自治系统
京东实时风险洞察的架构演迸与思考
时序预测算法在蔚来汽车的应用探索
留言评论
暂无留言