この講演では、因果関係を統計学的にデータから推論する方法についてお話しします。主に潜在アウトカムの枠組みを用いて、基礎理論を応用例（社会科学、計算社会科学、政策、医学など）を使いながら説明します。具体的には、因果推論はどのように予測問題と違うのか、因果推論はどのような問題に有用か、どのような条件下で因果推論は可能なのか、などを統計学的にお話しします。最後に、最近の機械学習と因果推論の学際的な研究についても説明します。

文脈付きバンディットにおけるオフ方策評価は、過去のログデータのみを用いた新しい方策の性能評価を可能にするため、多くの実応用で急速に採用されている。しかし、行動数が多くなる場合に、既存の推定量（多くは傾向スコア重み付けに基づく）の精度が著しく悪化してしまう問題がある。これは、推薦システムや言語モデルなど、行動数が多くなりがちな応用において特に深刻な未解決問題である。本講演では、この問題を解決するために、行動の埋め込み情報を活用した新たな推定量MIPSを提案する。またMIPSの重要な統計的性質を分析し、特に行動数が多い状況において、従来の推定量に対して統計的な利点をもたらすことを示す。最後に、MIPSが既存の推定量よりも行動数の増加に対して頑健であることを示す実験結果を紹介する。