Episode 8

CAUSAL MACHINE LEARNING – wie holt man am meisten damit raus?

Published on: 15th June, 2021

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

Der Beitrag CAUSAL MACHINE LEARNING – wie holt man am meisten damit raus? 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.