探索和发现事物间的因果关系是数据科学的一个核心问题。在过去的数十年中，基于观察数据的因果关系发现方法在基础理论、算法设计及实际应用方面获得了很大的发展，引起了相关领域学者的关注。本报告拟从因果关系发现的基础理论和方法出发，对隐变量数据因果关系发现、非独立同分布数据因果关系发现等前沿进展进行介绍，并探讨因果关系发现在故障检测、解耦学习、迁移学习等场景中的应用。