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
Nach oben