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 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

CAUSAL MACHINE LEARNING – welche Algorithmen eignen sich dafür?2021-05-11T06:15:04+00:00

CAUSAL MACHINE LEARNING – Use Cases aus der Praxis

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

CAUSAL MACHINE LEARNING – Use Cases aus der Praxis2021-05-04T06:38:55+00:00

CAUSAL MACHINE LEARNING – Korrelation, Kausalität und die verirrte Statistik

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

CAUSAL MACHINE LEARNING – Korrelation, Kausalität und die verirrte Statistik2021-04-27T07:39:14+00:00

CAUSAL MACHINE LEARNING – was ist das genau und wofür braucht man es?

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

CAUSAL MACHINE LEARNING – was ist das genau und wofür braucht man es?2021-04-20T09:55:12+00:00

WIE FUNKTIONIERT SKALIERUNG VON DATA SCIENCE-USE CASES? – mit Walter Denk

Wie skaliert man Data Science-Use Cases? Was muss man dabei beachten? Das und mehr diskutieren wir gemeinsam mit Walter Denk, Senior Data Scientist bei Bayer, und Dr. Theo Steininger.

Walter’s LinkedIn: Walter Denk | LinkedIn

Bayer: Bayer: Übersicht | LinkedIn

eMeetup zu dieser Folge: Erium – eMeetup mit Walter Denk Registrierung, Di, 23.02.2021 um 16:00 Uhr | Eventbrite

WIE FUNKTIONIERT SKALIERUNG VON DATA SCIENCE-USE CASES? – mit Walter Denk2021-02-18T09:29:43+00:00

WIE FUNKTIONIERT ORDENTLICHES UND NACHHALTIGES DEPLOYMENT? – mit Oliver Bracht

Wie funktioniert effektives und nachhaltiges Deployment? Muss man als Data Scientist nach dem Projekt noch Babysitter für sein Modell spielen? Das und noch mehr diskutieren wir gemeinsam mit Oliver Bracht, Chief Data Scientist der eoda GmbH, und Dr. Theo Steininger in dieser neuen Folge.

Oliver’s LinkedIn: Oliver Bracht | LinkedIn

eoda: Data Science Dienstleister: Nutzen Sie jetzt Ihre Daten (eoda.de)

YUNA: YUNA – Die Data Science Software (eoda.de)

eMeetup mit Oliver: Erium – eMeetup mit Oliver Bracht Registrierung, Di, 16.02.2021 um 17:00 Uhr | Eventbrite

WIE FUNKTIONIERT ORDENTLICHES UND NACHHALTIGES DEPLOYMENT? – mit Oliver Bracht2021-02-09T11:11:44+00:00

WIEVIEL PROJEKTMANAGER MUSS IN EINEM DATA SCIENTIST STECKEN? – mit Sebastian Eckert

Wie funktioniert agiles Projektmanagement in Data Science-Projekten? Was ist die Idee hinter Crisp-DM? Welche Rolle spielt Erwartungsmanagement im Projekt? Das und mehr diskutieren wir gemeinsam mit Sebastian Eckert, Data Analyst aus dem TechHub der AUDI AG, und Dr. Maksim Greiner.

Sebastian’s LinkedIn: Sebastian Eckert | LinkedIn

AUDI AG: AUDI AG: Übersicht | LinkedIn

eMeetup zu dieser Folge: Erium – eMeetup mit Sebastian Eckert Registrierung, Di, 09.02.2021 um 16:00 Uhr | Eventbrite

WIEVIEL PROJEKTMANAGER MUSS IN EINEM DATA SCIENTIST STECKEN? – mit Sebastian Eckert2021-02-02T11:13:41+00:00

STRUKTURIERTER DATA LAKE ODER BEDARFSORIENTIERTER FLICKENTEPPICH? – mit Dr. Sandra Romeis

Strukturierter Data Lake oder bedarfsorientierter Flickenteppich? Wie geht man im Kontext eines bestimmten Use Cases mit Missing Values und Outliern um? Und wieviel sitzt ein Data Scientist wirklich vorm Computer? Das Preprocessing ist in den meisten Data Science-Projekten der zeitaufwändigste und nervenaufreibendste Part. Gemeinsam mit Dr. Theo Steininger und Dr. Sandra Romeis diskutieren wir für wen was besser ist.

Sandra’s LinkedIn-Profil: Dr. Sandra Romeis | LinkedIn

Rehau: REHAU | Engineering progress – Enhancing lives

Staffel 3 Wettbewerb: Contest – The Erium Podcast

Du willst dich auch unbedingt zu diesem Thema mit den Gästen aus dem Podcast austauschen? Dann registriere dich jetzt bei unserem eMeetup: Erium – eMeetup mit Dr. Sandra Romeis Tickets, Di, 22.12.2020 um 16:00 Uhr | Eventbrite

STRUKTURIERTER DATA LAKE ODER BEDARFSORIENTIERTER FLICKENTEPPICH? – mit Dr. Sandra Romeis2020-12-17T07:33:26+00:00

FÜR WELCHE FIRMEN MACHT DATA SCIENCE ÜBERHAUPT SINN? – mit Martin Szugat

Für welche Firmen macht ein Machine Learning-Projekt überhaupt Sinn? Was unterscheidet Data Science von Computer Science? Und wie entwickelt man eine ordentliche Corporate Strategy im Bezug auf zukünftige Data Science-Use Cases? Diese Fragen diskutieren wir gemeinsam mit Martin Szugat und Dr. Maksim Greiner.

Martin‘ LinkedIn-Profil: Martin Szugat | LinkedIn

Datentreiber: Unsere Methode für Ihre Datenstrategie – Datentreiber

Staffel 3 Wettbewerb: Contest – The Erium Podcast

Du willst dich auch unbedingt zu diesem Thema mit den Gästen aus dem Podcast austauschen? Dann registriere dich jetzt bei unserem eMeetup: Erium – eMeetup mit Martin Szugat Tickets, Di, 15.12.2020 um 16:00 Uhr | Eventbrite

FÜR WELCHE FIRMEN MACHT DATA SCIENCE ÜBERHAUPT SINN? – mit Martin Szugat2020-12-10T10:09:03+00:00

WIE BRINGT MAN EIN MACHINE LEARNING-PROJEKT INS ROLLEN? – mit Dr. Jan Therhaag

It’s Launch Time! Gemeinsam mit Data Science Team Manager Dr. Jan Therhaag, und Dr. Theo Steininger diskutieren wir wie man ein Machine Learning-Projekt in einer Firma ins Rollen bringt, die erstmal gar nichts mit Data Science am Hut hat. Führt man Data Science bottom-up oder top-down ein? Müssen Nicht-Software-Unternehmen sich zu Software-Unternehmen wandeln? All das und noch mehr erfahrt ihr in dieser Folge.

Jan’s LinkedIn-Profil: Dr. Jan Therhaag | LinkedIn

Staffel 3 Wettbewerb: Contest – The Erium Podcast

Du willst dich auch unbedingt zu diesem Thema mit den Gästen aus dem Podcast austauschen? Dann registriere dich jetzt bei unserem eMeetup: Erium – eMeetup mit Dr. Jan Therhaag Registrierung, Di, 08.12.2020 um 16:00 Uhr | Eventbrite

WIE BRINGT MAN EIN MACHINE LEARNING-PROJEKT INS ROLLEN? – mit Dr. Jan Therhaag2020-12-01T11:28:10+00:00
Nach oben