WorkshopHibrit

Causal Discovery Workshop (CaDis 2026)

Ev sahibi Instituto Nacional de Astrofísica, Óptica y Electrónica

30 Kasım – 1 Aralık 2026
Takvime ekle
Apple / Outlook (.ics)Google Takvim
kongre.net'e hoş geldiniz
Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE), Tonantzintla, Mexico
AI (Artificial Intelligence)Makine Öğrenmesi ve Derin Öğrenme

Orada olacağınızı başkalarına bildirin. Bu işlem sizi etkinliğe kaydetmez.

kongre.net'e hoş geldiniz

Resmi web sitesi

Program

Yayımlandı

18 sessions · 2 gün boyunca

4 rooms · 44 speakers

Programa göz at

Bildiri Çağrısı

Gönderimler organizatör tarafından alınıyor

Gönderim bilgilerini gör

Kayıt

Kayıt organizatör tarafından yapılıyor

Kayda git

Temel bilgiler

Causal Discovery Workshop (CaDis 2026), Instituto Nacional de Astrofísica, Óptica y Electrónica tarafından 30 Kasım – 1 Aralık 2026 tarihlerinde Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE), Tonantzintla, Meksika konumunda düzenlenen bir çalıştay etkinliğidir.

Tarihler:: 30 Kasım – 1 Aralık 2026
Biçim:: Hibrit (yüz yüze ve çevrim içi)
Mekân:: Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE), Tonantzintla, Meksika
Konular:: AI (Artificial Intelligence), Machine Learning & Deep Learning
Organizatör:: Instituto Nacional de Astrofísica, Óptica y Electrónica
Resmi web sitesi:: cadisworkshop.com.mx

The fourth edition of the Workshop on Causal Discovery (CaDis 2026) aims to present recent advances in causal discovery, covering observational and interventional data approaches, human expert knowledge integration, and applications in machine learning.

Konferans teması

Causal Discovery

Hedefler

To present recent advances in causal discovery, including different approaches that consider observational and/or interventional data, building models with the help of human experts, and combining causal discovery with machine learning areas such as reinforcement learning and deep learning.

Kimler katılmalı

Researchers and students from Artificial Intelligence, Machine Learning, Statistics and Cognitive Science who work on causal discovery, the construction of causal models and their evaluation, as well as in practical applications.