报告题目：数据驱动的决策算法与理论：先估计后优化与联合估计优化
报告人：毛小介 清华大学
报告时间：2024年9月4日(周三) 16:00-17:30
报告地点：中国科学院大学中关村校区教学楼S406
腾讯会议ID：216-741-723
内容摘要
本次报告将讨论一类称为contextual stochastic optimization (CSO)的优化决策问题。此类决策问题涉及到一些不确定参数（如需求），需要根据其他特征变量（如产品特征）进行预测或估计。目前有两类常见的处理CSO问题的范式：一类称为先估计后优化（estimate-then-optimize），即先使用标准的机器学习或统计方法估计不确定参数的分布或者预测其取值，然后利用估计或者预测的结果求解相应的优化问题；另一类称为联合估计优化（integrated-estimation-and-optimization），即在估计步骤之中直接考虑下游的决策目标，实现估计和优化的协同。本报告将从算法和理论两个角度介绍关于这两类范式的一些研究成果。
主讲人简介
毛小介，清华大学经济管理学院管理科学与工程系副教授。2016年获武汉大学数理经济与数理金融专业学士学位，2021年获得美国康奈尔大学统计与数据科学博士学位。主要研究方向为因果推断、数据驱动的决策理论与方法。相关研究成果发表于Management Science, Operations Research, Journal of Machine Learning Research, NeurIPS, ICML, AISTATS, COLT等国际知名学术期刊和学术会议。现主持国家自然科学基金优秀青年项目和青年项目，参与国家自然科学基金重大项目和科技部科技创新2030-重大项目等。
