CAUSAL MACHINE LEARNING – mehr als nur Algorithmen

Causal Machine Learning ist mehr als nur Algorithmen und Mathematik! In dieser Folge von The Erium Podcast besprechen Maksim und Theo was man für ein erfolgreiches Causal Inference Projekt neben der reinen Technik auf keinen Fall außer Acht lassen darf. Beim Algorithmus der Woche wartet ein wahres Multi-Talent auf euch. Freut euch auf das Finale von Staffel 4 von The Erium Podcast!

CAUSAL MACHINE LEARNING – mehr als nur Algorithmen2021-07-08T07:13:07+00:00

CAUSAL MACHINE LEARNING – welche Algorithmen eignen sich dafür?

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 verschiedener 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

CAUSAL MACHINE LEARNING – welche Algorithmen eignen sich dafür?2021-07-08T06:59:34+00:00
Nach oben