Episode 1

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

Published on: 20th April, 2021

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

Der Beitrag CAUSAL MACHINE LEARNING – was ist das genau und wofür braucht man es? erschien zuerst auf The Erium Podcast - Data Science & Machine Learning.

Next Episode All Episodes Previous Episode

Listen for free

Show artwork for Beyond AI

About the Podcast

Beyond AI
Was kann KI wirklich – und was nicht? Theo Steininger spricht mit Maksim Greiner und Gästen über künstliche Intelligenz aus der Praxis: ehrlich, technisch fundiert und ohne Bullshit-Bingo. Direkt aus dem Maschinenraum eines KI-Startups.
Beyond AI – früher The Erium Podcast – ist der Podcast über künstliche Intelligenz jenseits von Hype und Marketing-Folien.
Was können die Modelle wirklich? Wo scheitern sie nach wie vor? Und was heißt das für alle, die mit KI arbeiten wollen, statt nur darüber zu reden? Theo Steininger geht diesen Fragen in zwei Formaten nach: in Deep-Dive-Gesprächen mit Maksim Greiner, mit dem er gemeinsam das KI-Startup Erium aufgebaut hat, und im Austausch mit Gästen aus Forschung, Industrie und der Startup-Welt.
Es geht um LLMs, Agenten und den Weg von der Demo ins Produktivsystem – und immer wieder um die ehrliche Frage: Funktioniert das wirklich, oder klingt es nur gut? Keine Buzzword-Feuerwerke, keine Heilsversprechen, keine Weltuntergangsszenarien. Sondern das, was hängen bleibt, wenn man jeden Tag mit dem Zeug arbeitet.