Causal machine learning als Allheilmittel? Weit gefehlt! In dieser Folge diskutieren Maksim und Theo bei welcher Art von Problemstellungen und unter welchen Rahmenbedingungen es am sinnvollsten ist, einen kausalen Ansatz zu verfolgen. Maksim arbeitet ein Trauma aus seiner frühen Zeit als Data Scientist auf und auch Theo wird unerwarteter Weise von p-Values verfolgt. Das und noch mehr erwartet euch in der neusten Folge von The Erium Podcast.

p-Values

Jupyter Notebook

Du möchtest dich unbedingt zu diesem Thema mit weiteren Experten austauschen? Dann registriere dich jetzt bei unserer Data Science Meetup Gruppe: Link zur Registrierung

In dieser Folge ist Thomas Natschläger, Lead AI/Data Scientist von Dynatrace, zu Gast! Gemeinsam mit Maksim und Theo diskutiert er, welche Rolle kausales Machine Learning beim Application Performance Monitoring spielt. Welche Vorraussetzungen müssen sowohl technisch, als auch algorithmisch gegeben sein und welchen Mehrwert hat der Kunde davon? All das erfahrt ihr in dieser Folge von The Erium Podcast.

Dynatrace

In der neusten Folge von The Erium Podcast setzen Maksim und Theo ihren Rückblick auf die letzten Data Science Meetups fort. Worum ging es jeweils und was waren die spannendsten Erkenntnisse? Und wie schaffte es Least Squares zum Algorithmus der Woche? Hört rein, was Maksim und Theo dazu verraten!

Du möchtest dich unbedingt zu diesem Thema mit weiteren Experten austauschen? Dann registriere dich jetzt bei unserer Data Science Meetup Gruppe: Link zur Registrierung

In der neusten Folge von The Erium Podcast blicken Maksim und Theo zurück auf eine spannende Serie unserer Data Science Meetups. Sie verraten euch, worum es jeweils ging, und was die jeweils interessantesten Insights waren. Darüber hinaus wartet mit dem „Blick in den Werkzeugkasten“ eine neue Kategorie auf euch. Hört rein, welche Tipps Maksim und Theo in dieser Folge für euch auf Lager haben!

Numpy.einsum

Link zum Discord Server

Link zum eMeetup

Du möchtest dich unbedingt zu diesem Thema mit weiteren Experten austauschen? Dann registriere dich jetzt bei unserer Data Science Meetup Gruppe: Link zur Registrierung

Welche Algorithmen eignen sich fürs Causal Machine Learning und was haben diese gemeinsam? Und muss ich diese Algorithmen alle selbst implementieren oder gibt es bereits Packages die ich direkt nutzen kann? In der neusten Folge von „The Erium Podcast“ diskutieren Maksim und Theo Alternativen zu Bayes’schen Netzen und stellen euch die Vor- und Nachteile verschiendener existierender Causal ML Lösungen vor. Und über die irregeleitete Statistik hinaus haben wir eine neue Rubrik für euch auf Lager.

Halerium

Structural Equation Modeling

Machine Learning Algorithmus der Woche: Self-Organizing Map (SOM)

DoWhy
NumPyro und dessen Do-Operator
CausalML
Causallib

Du möchtest dich unbedingt zu diesem Thema mit weiteren Experten austauschen? Dann registriere dich jetzt bei unserer Data Science Meetup Gruppe: Link zur Registrierung

Wann werden Entscheidungen, die ohne Causal Inference getroffen werden, richtig teuer? Und was haben Gutscheine mit der Prozessindustrie zu tun? In dieser Folge diskutieren Maksim und Theo konkrete Beispiele aus der Praxis und erklären wie euch die korrekte Modellierung der kausalen Zusammenhänge davor bewahrt aufs Glatteis geführt zu werden. Darüber hinaus hat Maksim in dieser Woche ein augenöffnendes Beispiel für die verirrte Statistik gefunden, bei dem Kondition und Zufallsgröße munter vertauscht werden.

Du möchtest dich unbedingt zu diesem Thema mit weiteren Experten austauschen? Dann registriere dich jetzt bei unserer Data Science Meetup Gruppe: Link zur Registrierung

Spurious Correlations, D-Separation, Counterfactuals… und was haben eigentlich Bärte mit Machine Learning zu tun? In dieser Folge von The Erium Podcast gehen wir auf eine Reihe von Fachtermini ein und lüften dabei was – und vor allem auch was nicht – hinter den Begriffen steckt. Außerdem rufen Theo und Maksim die verirrte Statistik der Woche ins Leben, mit dem Untertitel „Daten lügen nicht, aber erzählen auch nicht immer die ganze Wahrheit“.

Du möchtest dich unbedingt zu diesem Thema mit weiteren Experten austauschen? Dann registriere dich jetzt bei unserer Data Science Meetup Gruppe: Link zur Registrierung

Zum Auftakt der Staffel 4 klären wir zunächst den Begriff Causal Machine Learning. Die reine Statistik kümmert sich nicht um Kausalitäten. Der Mensch hingegen sucht lechzend nach kausalen Zusammenhängen. Das ist eine gefährliche Kombination. Durch Causal Machine Learning können wir diese Zusammenhänge nüchtern behandeln – so wie wir es von der Mathematik gewohnt sind. Theo und Maksim geben einen ersten Einblick wann und wo Causal ML genutzt wird.

Du möchtest dich unbedingt zu diesem Thema mit weiteren Experten austauschen? Dann registriere dich jetzt bei unserer Data Science Meetup Gruppe: Link zur Registrierung